CANN for Edge AI Deployment Treningskurs
Huawei's Ascend CANN toolkit enables powerful AI inference on edge devices such as the Ascend 310. CANN provides essential tools for compiling, optimizing, and deploying models where compute and memory are constrained.
This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and integrators who wish to deploy and optimize models on Ascend edge devices using the CANN toolchain.
By the end of this training, participants will be able to:
- Prepare and convert AI models for Ascend 310 using CANN tools.
- Build lightweight inference pipelines using MindSpore Lite and AscendCL.
- Optimize model performance for limited compute and memory environments.
- Deploy and monitor AI applications in real-world edge use cases.
Format of the Course
- Interactive lecture and demonstration.
- Hands-on lab work with edge-specific models and scenarios.
- Live deployment examples on virtual or physical edge hardware.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduction to Edge AI and Ascend 310
- Overview of Edge AI: trends, constraints, and applications
- Huawei Ascend 310 chip architecture and supported toolchain
- Positioning CANN within the edge AI deployment stack
Model Preparation and Conversion
- Exporting trained models from TensorFlow, PyTorch, and MindSpore
- Using ATC to convert models to OM format for Ascend devices
- Handling unsupported ops and lightweight conversion strategies
Developing Inference Pipelines with AscendCL
- Using the AscendCL API to run OM models on Ascend 310
- Input/output preprocessing, memory handling, and device control
- Deploying within embedded containers or lightweight runtime environments
Optimization for Edge Constraints
- Reducing model size, precision tuning (FP16, INT8)
- Using the CANN profiler to identify bottlenecks
- Managing memory layout and data streaming for performance
Deploying with MindSpore Lite
- Using MindSpore Lite runtime for mobile and embedded targets
- Comparing MindSpore Lite with raw AscendCL pipeline
- Packaging inference models for device-specific deployment
Edge Deployment Scenarios and Case Studies
- Case study: smart camera with object detection model on Ascend 310
- Case study: real-time classification in an IoT sensor hub
- Monitoring and updating deployed models at the edge
Summary and Next Steps
Krav
- Experience with AI model development or deployment workflows
- Basic knowledge of embedded systems, Linux, and Python
- Familiarity with deep learning frameworks such as TensorFlow or PyTorch
Audience
- IoT solution developers
- Embedded AI engineers
- Edge system integrators and AI deployment specialists
14 timer
Open Training Courses require 5+ participants.
CANN for Edge AI Deployment Treningskurs - Booking
CANN for Edge AI Deployment Treningskurs - Enquiry
CANN for Edge AI Deployment - Consultancy Enquiry
Consultancy Enquiry
Upcoming Courses
Relaterte kurs
Advanced Edge AI Techniques
14 timerDenne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot AI-utøvere, forskere og utviklere på avansert nivå som ønsker å mestre de siste fremskrittene i Edge AI, optimalisere AI-modellene deres for edge-distribusjon og utforske spesialiserte applikasjoner på tvers av ulike bransjer.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Utforsk avanserte teknikker i Edge AI-modellutvikling og -optimalisering.
- Implementer banebrytende strategier for å distribuere AI-modeller på avanserte enheter.
- Bruk spesialiserte verktøy og rammeverk for avanserte Edge AI-applikasjoner.
- Optimaliser ytelsen og effektiviteten til Edge AI-løsninger.
- Utforsk innovative brukstilfeller og nye trender i Edge AI.
- Ta tak i avanserte etiske og sikkerhetsmessige hensyn i Edge AI-implementeringer.
Read more...
Developing AI Applications with Huawei Ascend and CANN
21 timerHuawei Ascend er en familie av AI-prosessorer som er designet for høyytelsesfull inferens og trening.
Denne instruktørledede, live-trainingen (online eller på sted) er rettet mot mellomnivå AI-ingeniører og datavitere som ønsker å utvikle og optimalisere neuronnettverksmodeller ved hjelp av Huaweis Ascend-plattform og CANN-verktøykassen.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Sette opp og konfigurere CANN-utviklingsmiljøet.
- Utvikle AI-applikasjoner ved hjelp av MindSpore og CloudMatrix-arbeidsflyt.
- Optimalisere ytelse på Ascend NPU-er ved hjelp av tilpassede operatører og tiling.
- Distribuere modeller til kant- eller sky-miljøer.
Formatet på kurset
- Interaktiv forelesning og diskusjon.
- Hendene-i-bruk av Huawei Ascend og CANN-verktøykassen i eksempelapplikasjoner.
- Veiledende øvelser fokusert på modellbygging, trening og distribusjon.
Kursets tilpassingsmuligheter
- For å be om en tilpasset opplæring for dette kurset basert på din infrastruktur eller datasett, kontakt oss for å ordne.
Read more...
Deploying AI Models with CANN and Ascend AI Processors
14 timerCANN (Compute Architecture for Neural Networks) is Huawei’s AI compute stack for deploying and optimizing AI models on Ascend AI processors.
This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and engineers who wish to deploy trained AI models efficiently to Huawei Ascend hardware using the CANN toolkit and tools such as MindSpore, TensorFlow, or PyTorch.
By the end of this training, participants will be able to:
- Understand the CANN architecture and its role in the AI deployment pipeline.
- Convert and adapt models from popular frameworks to Ascend-compatible formats.
- Use tools like ATC, OM model conversion, and MindSpore for edge and cloud inference.
- Diagnose deployment issues and optimize performance on Ascend hardware.
Format of the Course
- Interactive lecture and demonstration.
- Hands-on lab work using CANN tools and Ascend simulators or devices.
- Practical deployment scenarios based on real-world AI models.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Read more...
Building AI Solutions on the Edge
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på mellomnivå, dataforskere og teknologientusiaster som ønsker å få praktiske ferdigheter i å distribuere AI-modeller på avanserte enheter for ulike applikasjoner.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå prinsippene til Edge AI og dens fordeler.
- Sett opp og konfigurer edge computing-miljøet.
- Utvikle, trene og optimalisere AI-modeller for edge-distribusjon.
- Implementer praktiske AI-løsninger på edge-enheter.
- Evaluer og forbedre ytelsen til edge-distribuerte modeller.
- Ta tak i etiske og sikkerhetsmessige hensyn i Edge AI-applikasjoner.
Read more...
Introduction to CANN for AI Framework Developers
7 timerCANN (Compute Architecture for Neural Networks) is Huawei’s AI computing toolkit used to compile, optimize, and deploy AI models on Ascend AI processors.
This instructor-led, live training (online or onsite) is aimed at beginner-level AI developers who wish to understand how CANN fits into the model lifecycle from training to deployment, and how it works with frameworks like MindSpore, TensorFlow, and PyTorch.
By the end of this training, participants will be able to:
- Understand the purpose and architecture of the CANN toolkit.
- Set up a development environment with CANN and MindSpore.
- Convert and deploy a simple AI model to Ascend hardware.
- Gain foundational knowledge for future CANN optimization or integration projects.
Format of the Course
- Interactive lecture and discussion.
- Hands-on labs with simple model deployment.
- Step-by-step walkthrough of the CANN toolchain and integration points.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Read more...
Understanding Huawei’s AI Compute Stack: From CANN to MindSpore
14 timerHuawei’s AI stack — from the low-level CANN SDK to the high-level MindSpore framework — offers a tightly integrated AI development and deployment environment optimized for Ascend hardware.
This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level technical professionals who wish to understand how the CANN and MindSpore components work together to support AI lifecycle management and infrastructure decisions.
By the end of this training, participants will be able to:
- Understand the layered architecture of Huawei’s AI compute stack.
- Identify how CANN supports model optimization and hardware-level deployment.
- Evaluate the MindSpore framework and toolchain in relation to industry alternatives.
- Position Huawei's AI stack within enterprise or cloud/on-prem environments.
Format of the Course
- Interactive lecture and discussion.
- Live system demos and case-based walkthroughs.
- Optional guided labs on model flow from MindSpore to CANN.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Read more...
Optimizing Neural Network Performance with CANN SDK
14 timerCANN SDK (Compute Architecture for Neural Networks) is Huawei’s AI compute foundation that allows developers to fine-tune and optimize the performance of deployed neural networks on Ascend AI processors.
This instructor-led, live training (online or onsite) is aimed at advanced-level AI developers and system engineers who wish to optimize inference performance using CANN’s advanced toolset, including the Graph Engine, TIK, and custom operator development.
By the end of this training, participants will be able to:
- Understand CANN's runtime architecture and performance lifecycle.
- Use profiling tools and Graph Engine for performance analysis and optimization.
- Create and optimize custom operators using TIK and TVM.
- Resolve memory bottlenecks and improve model throughput.
Format of the Course
- Interactive lecture and discussion.
- Hands-on labs with real-time profiling and operator tuning.
- Optimization exercises using edge-case deployment examples.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Read more...
CANN SDK for Computer Vision and NLP Pipelines
14 timerThe CANN SDK (Compute Architecture for Neural Networks) provides powerful deployment and optimization tools for real-time AI applications in computer vision and NLP, especially on Huawei Ascend hardware.
This instructor-led, live training (online or onsite) is aimed at intermediate-level AI practitioners who wish to build, deploy, and optimize vision and language models using the CANN SDK for production use cases.
By the end of this training, participants will be able to:
- Deploy and optimize CV and NLP models using CANN and AscendCL.
- Use CANN tools to convert models and integrate them into live pipelines.
- Optimize inference performance for tasks like detection, classification, and sentiment analysis.
- Build real-time CV/NLP pipelines for edge or cloud-based deployment scenarios.
Format of the Course
- Interactive lecture and demonstration.
- Hands-on lab with model deployment and performance profiling.
- Live pipeline design using real CV and NLP use cases.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Read more...
Building Custom AI Operators with CANN TIK and TVM
14 timerCANN TIK (Tensor Instruction Kernel) and Apache TVM enable advanced optimization and customization of AI model operators for Huawei Ascend hardware.
This instructor-led, live training (online or onsite) is aimed at advanced-level system developers who wish to build, deploy, and tune custom operators for AI models using CANN’s TIK programming model and TVM compiler integration.
By the end of this training, participants will be able to:
- Write and test custom AI operators using the TIK DSL for Ascend processors.
- Integrate custom ops into the CANN runtime and execution graph.
- Use TVM for operator scheduling, auto-tuning, and benchmarking.
- Debug and optimize instruction-level performance for custom computation patterns.
Format of the Course
- Interactive lecture and demonstration.
- Hands-on coding of operators using TIK and TVM pipelines.
- Testing and tuning on Ascend hardware or simulators.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Read more...
Edge AI in Autonomous Systems
14 timerDenne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot robotingeniører på middels nivå, utviklere av autonome kjøretøy og AI-forskere som ønsker å utnytte Edge AI for innovative autonome systemløsninger.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå rollen og fordelene med Edge AI i autonome systemer.
- Utvikle og distribuer AI-modeller for sanntidsbehandling på avanserte enheter.
- Implementer Edge AI-løsninger i autonome kjøretøy, droner og robotikk.
- Design og optimaliser kontrollsystemer ved hjelp av Edge AI.
- Ta tak i etiske og regulatoriske hensyn i autonome AI-applikasjoner.
Read more...
Edge AI: From Concept to Implementation
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på middels nivå og IT-fagfolk som ønsker å få en omfattende forståelse av Edge AI fra konsept til praktisk implementering, inkludert oppsett og distribusjon.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå de grunnleggende konseptene til Edge AI.
- Sett opp og konfigurer Edge AI-miljøer.
- Utvikle, trene og optimalisere Edge AI-modeller.
- Distribuer og administrer Edge AI-applikasjoner.
- Integrer Edge AI med eksisterende systemer og arbeidsflyter.
- Ta tak i etiske hensyn og beste praksis i Edge AI-implementering.
Read more...
Edge AI for Healthcare
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot helsepersonell på middels nivå, biomedisinske ingeniører og AI-utviklere som ønsker å utnytte Edge AI for innovative helsetjenester.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå rollen og fordelene med Edge AI i helsevesenet.
- Utvikle og distribuer AI-modeller på avanserte enheter for helseapplikasjoner.
- Implementer Edge AI-løsninger i bærbare enheter og diagnoseverktøy.
- Design og distribuer pasientovervåkingssystemer ved hjelp av Edge AI.
- Ta tak i etiske og regulatoriske hensyn i AI-applikasjoner for helsetjenester.
Read more...
Edge AI for IoT Applications
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på middels nivå, systemarkitekter og bransjefolk som ønsker å utnytte Edge AI for å forbedre IoT-applikasjoner med intelligente databehandlings- og analysefunksjoner.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå det grunnleggende om Edge AI og dens anvendelse i IoT.
- Sett opp og konfigurer Edge AI-miljøer for IoT-enheter.
- Utvikle og distribuer AI-modeller på edge-enheter for IoT-applikasjoner.
- Implementere sanntids databehandling og beslutningstaking i IoT-systemer.
- Integrer Edge AI med ulike IoT-protokoller og plattformer.
- Ta tak i etiske hensyn og beste praksis i Edge AI for IoT.
Read more...
Introduction to Edge AI
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå og IT-fagfolk som ønsker å forstå det grunnleggende om Edge AI og dens introduksjonsapplikasjoner.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå de grunnleggende konseptene og arkitekturen til Edge AI.
- Sett opp og konfigurer Edge AI-miljøer.
- Utvikle og distribuer enkle Edge AI-applikasjoner.
- Identifiser og forstå brukstilfellene og fordelene med Edge AI.
Read more...
Security and Privacy in Edge AI
14 timerDenne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot cybersikkerhetsfagfolk på middels nivå, systemadministratorer og AI-etikkforskere som ønsker å sikre og etisk distribuere Edge AI-løsninger.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå sikkerhets- og personvernutfordringene i Edge AI.
- Implementer beste fremgangsmåter for å sikre edge-enheter og data.
- Utvikle strategier for å redusere sikkerhetsrisikoer i Edge AI-distribusjoner.
- Ta tak i etiske hensyn og sikre etterlevelse av regelverk.
- Gjennomfør sikkerhetsvurderinger og revisjoner for Edge AI-applikasjoner.
Read more...
