Hiểu rõ Stack tính toán AI của Huawei: Từ CANN đến MindSpore Khóa Học Đào Tạo

Giới thiệu về Hệ sinh thái AI của Huawei

• Phần cứng AI Ascend: Tổng quan về 310, 910 và 910B
• Các thành phần cấp cao: MindSpore, CANN, AscendCL
• Định vị ngành và các nguyên tắc kiến trúc

Vai trò của CANN trong Stack AI của Huawei

• CANN là gì? Mục đích của SDK và các lớp bên trong
• ATC, TBE và AscendCL: Biên dịch và thực thi mô hình
• Cách CANN hỗ trợ tối ưu hóa suy luận và triển khai

Tổng quan và Kiến trúc của MindSpore

• Luồng công việc huấn luyện và suy luận trong MindSpore
• Chế độ đồ thị, PyNative và trừu tượng hóa phần cứng
• Tích hợp với NPU Ascend thông qua backend CANN

Vòng đời AI trên Ascend: Từ Huấn luyện đến Triển khai

• Tạo mô hình trong MindSpore hoặc chuyển đổi từ các framework khác
• Xuất và biên dịch mô hình sử dụng ATC
• Triển khai trên phần cứng Ascend sử dụng mô hình OM và AscendCL

So sánh với các Stack AI khác

• MindSpore so với PyTorch, TensorFlow: Trọng tâm và định vị
• Luồng công việc triển khai trên Ascend so với các stack dựa trên GPU
• Cơ hội và hạn chế cho việc sử dụng doanh nghiệp

Các kịch bản tích hợp doanh nghiệp

• Các trường hợp sử dụng trong sản xuất thông minh, AI chính phủ và viễn thông
• Khả năng mở rộng, tuân thủ và các yếu tố xem xét hệ sinh thái
• Triển khai kết hợp cloud/on-prem sử dụng stack Huawei

Tóm tắt và Các bước tiếp theo