Schulungsübersicht

Einführung in die Huawei Ascend Plattform

  • Überblick über die Architektur und das Ökosystem von Ascend
  • MindSpore- und CANN-Übersicht
  • Anwendungsfälle und Branchenrelevanz

Aufbau der Entwicklungsumgebung

  • Installation des CANN-Toolkits und MindSpore
  • Nutzung von ModelArts und CloudMatrix für Projektsteuerung
  • Testen der Umgebung mit Beispielmodellen

Modellentwicklung mit MindSpore

  • Modelldefinition und -training in MindSpore
  • Datenpipelines und Datensatzformatierung
  • Exportieren von Modellen in ein Ascend-kompatibles Format

Leistungsoptimierung auf Ascend

  • Fusion von Operatoren und benutzerdefinierte Kerne
  • Tiling-Strategie und AI Core-Ablaufplanung
  • Benchmarking- und Profilingwerkzeuge

Deploymentstrategien

  • Vorteile und Nachteile von Edge vs. Cloud-Bereitstellung
  • Nutzung des MindX SDK für Deployment
  • Integration in CloudMatrix-Workflows

Fehlerbehebung und Überwachung

  • Nutzung von Profiler und AiD zur Verfolgung
  • Fehlerbehebung bei Ausführungsfehlern
  • Überwachung der Ressourcennutzung und -durchsatzes

Anwendungsfallstudie und Lab-Integration

  • Vollständige Pipelineentwicklung mit MindSpore
  • Lab: Bau, Optimierung und Bereitstellung eines Modells auf Ascend
  • Leistungsvergleich zu anderen Plattformen

Zusammenfassung und Nächste Schritte

Voraussetzungen

  • Eine Grundlage von neuronalen Netzwerken und AI-Abläufen
  • Erfahrung im Python Programmieren
  • Kenntnisse der Modellausbildung und -bereitstellungspipelines

Zielgruppe

  • AI-Ingenieure
  • Datenwissenschaftler, die mit dem Huawei AI-Stack arbeiten
  • ML-Entwickler, die Ascend und MindSpore verwenden
 21 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien