Introduktion till CANN för utvecklare av AI-ramverk Träningskurs

CANN (Compute Architecture for Neural Networks) är Huawei:s beräkningsverktygskit för AI som används för att kompilera, optimera och distribuera AI-modeller på Ascend AI-processorer.

Den här instruktörsledda, direkta utbildningen (online eller på plats) riktar sig till nybörjarutvecklare inom AI som vill förstå hur CANN passar in i livscykeln för modeller, från träning till distribution, och hur den fungerar tillsammans med ramverk som MindSpore, TensorFlow och PyTorch.

När utbildningen är slutförd kan deltagarna:

Förstå syftet och arkitekturen för CANN-verktygskitet.
Installera en utvecklingsmiljö med CANN och MindSpore.
Konvertera och distribuera en enkel AI-modell till Ascend-hårdvara.
Skaffa grundläggande kunskaper för framtida projekt med CANN-optimering eller integration.

Kursens format

Interaktiv föreläsning och diskussion.
Praktiska laborationer med enkel modelldistribution.
Steg-för-steg-guide genom CANN-verktygskedjan och integrationspunkter.

Möjligheter för anpassning av kursen

Vill du ha en anpassad utbildning för denna kurs, kontakta oss för att boka.

Kursplan

Introduktion till Huawei:s AI-ekosystem

Ascend AI-hårdvara: chippen 310, 910 och 910B
MindSpore, CANN och stödjande verktyg
AI-utvecklingsarbetsflöde: från träning till distribution

Att förstå CANN-verktygskitet

Vad är CANN och varför är det viktigt
Översikt över kärnanvändning (ATC, AscendCL, operatorerbibliotek)
CANN:s roll i AI-inferensflöden

Kom igång med MindSpore och CANN

Konfigurera miljön (MindSpore + CANN + Python)
Träna en grundläggande modell i MindSpore
Exportera och konvertera modellen med ATC

Kör inferens på Ascend-enheter

Använda OM-modellen med AscendCL eller Python API:er
Grundläggande för-/efterbearbetning av indata/utdata
Validera modellutdata

Arbeta med andra ramverk

Översikt över stöd för TensorFlow, PyTorch och ONNX
Stödda operatorer och begränsningar
Demonstrering av enkel modellkonvertering (t.ex. från ONNX till OM)

Utforska ekosystemet för CANN- och MindSpore-utvecklare

Väsentliga resurser: dokumentation, GitHub-repository, exempelkod
Översikt över MindSpore Hub och modellzoo
Community-forum, evenemang och supportkanaler

Sammanfattning och nästa steg

Krav

Grundläggande förståelse för begrepp inom maskininlärning och djupinlärning
Viss programmeringskunskap i Python
Tidigare erfarenhet av CANN eller Ascend-hårdvara krävs inte

Målgrupp

Utvecklare inom maskininlärning som utforskar distributionsflöden
Studenter eller forskare som är nya inom Huawei:s AI-ekosystem
Bidragsgivare till AI-ramverk och entusiaster intresserade av modellacceleration

Relaterade Kurser