Understanding Huawei’s AI Compute Stack: From CANN to MindSpore

Prerequisites:

• 熟悉AI工作流程或平台架构
• 对模型训练和部署有基本了解
• 无需具备CANN或MindSpore的实践经验

目标受众

• AI平台评估者和基础设施架构师
• AI/ML DevOps和管道集成者
• 技术经理和决策者

Overview:

華為的AI堆疊 — 從底層的CANN SDK到高階的MindSpore框架 — 提供了一個高度整合的AI開發與部署環境，專為Ascend硬體優化。這是一個由講師指導的培訓（線上或線下），針對初級到中級的技術專業人員，旨在幫助他們理解CANN和MindSpore組件如何協同工作，以支持AI生命週期管理和基礎設施決策。在培訓結束時，參與者將能夠：- 理解華為AI計算堆疊的分層架構。- 了解CANN如何支持模型優化和硬體級部署。- 評估MindSpore框架及工具鏈，並與業界其他方案進行比較。- 將華為的AI堆疊定位於企業或雲端/本地環境中。課程形式- 互動式講座與討論。- 即時系統演示與案例分析。- 可選的指導實驗室，從MindSpore到CANN的模型流程。課程定制選項- 如需為此課程定制培訓，請聯繫我們安排。

Course Outline:

華為AI生態系統簡介

• Ascend AI硬體：310、910和910B概述
• 高層級元件：MindSpore、CANN、AscendCL
• 行業定位與架構原則

CANN在華為AI堆疊中的角色

• CANN是什麼？SDK目的與內部層次
• ATC、TBE和AscendCL：模型的編譯與執行
• CANN如何支援推理優化與部署

MindSpore概述與架構

• MindSpore中的訓練與推理工作流程
• 圖模式、PyNative與硬體抽象
• 通過CANN後端與Ascend NPU的整合

Ascend上的AI生命週期：從訓練到部署

• 在MindSpore中創建模型或從其他框架轉換
• 使用ATC匯出與編譯模型
• 使用OM模型與AscendCL在Ascend硬體上部署

與其他AI堆疊的比較

• MindSpore與PyTorch、TensorFlow：焦點與定位
• Ascend與GPU基礎堆疊的部署工作流程
• 企業應用的機會與限制

企業整合場景

• 智慧製造、政府AI與電信領域的應用案例
• 可擴展性、合規性與生態系統考量
• 使用華為堆疊的雲端/本地混合部署

總結與下一步