#MindSpore#刚刚,华为全场景 AI 计算框架MindSpore开源!( 二 )


MindSpore自动并行采用了一种全新的分布式并行训练模式 , 融合了数据并行、模型并行和混合并行 。
高效数据处理
MindSpore中的MindData负责完成训练过程中数据的pipeline处理 , 包括数据加载、数据增强、导入训练 , 并提供简单易用的编程接口和覆盖CV/NLP等全场景的丰富数据处理能力 。 MindData提供c_transforms模块和py_transforms模块 , 来进行数据增强 , 用户也可以自定义算子来做数据增强 。
高效图执行引擎
MindSpore的图处理操作 , 纵向看总共分为三层 , 分别是执行控制层、业务功能层、数据管理层 。 横向展开分析 , 可细分为六大步骤 , 分别是图准备、图拆分、图优化、图编译、图加载和图执行 。 通过上述图操作 , MindSpore图引擎可以将前端下发的图转换为一种可以在昇腾硬件上高效运行的图模式 。
深度优化的模型集市
MindSpore计划2020年Q4提供超过30+的深度优化模型 , 可供开发者直接使用 。
#MindSpore#刚刚,华为全场景 AI 计算框架MindSpore开源!
图片

【#MindSpore#刚刚 , 华为全场景 AI 计算框架MindSpore开源!】此外 , MindSpore还提供了可视化工具 , 可以对单次训练可视化以及多次训练的模型溯源 , 帮助开发者快速发现模型训练过程的问题 。
先进的设计理念 , 低门槛分布式全场景
MindSpore的推出 , 是基于华为对行业痛点的深刻洞察 , 即AI研究与应用之间存在巨大的鸿沟 。
为了跨越这个鸿沟 , MindSpore提出了三大设计理念 。
新编程范式
基于数学原生表达的AI编程新范式 , 让开发者可以聚焦AI创新和探索 , 一行代码实现自动搜索并行策略 , 无需关注底层架构即可实现并行 。
#MindSpore#刚刚,华为全场景 AI 计算框架MindSpore开源!
图片

新执行模式
On-Device整图卸载执行 , 深度图优化 , 充分发挥算力 。 和友商相比 , MindSpore上Resnet50图像分类的训练时间降低了23% , Bert中文预训练时间降低了62% , 训练时间大幅缩短 。
#MindSpore#刚刚,华为全场景 AI 计算框架MindSpore开源!
图片

全场景按需协同
MindSpore实现了一套框架端边云全场景部署 , 一次开发多处高效执行 , 开发和部署效率直线上升 。
#MindSpore#刚刚,华为全场景 AI 计算框架MindSpore开源!
图片

全力服务好开发者、高校和开源社区 , 制定有针对性的扶持计划
华为深知 , 开发者、高校科研、开源社区是整个生态中 , 最关键的角色 。 针对三个不同的群体 , 华为分别给出了非常具体的定制化扶持计划 。
针对开发者 , 提供:线上免费资源全年不少于10场的技术沙龙举办MindSpore开发者大赛针对高校 , 提供:专项创新基金激励MindSpore教学扶持针对开源社区 , 提供聘请顶级专家入驻社区招募committer参与社区核心项目欢迎企业和组织参与社区建设
#MindSpore#刚刚,华为全场景 AI 计算框架MindSpore开源!
图片

MindSpore初露端倪 , 前景可期
光说不练假把式 , MindSpore应用前景如何 , 市场检验了才知道 。
或许你已经享受到了MindSpore带来的好处 , 对此却毫无觉察 , 比如销量爆棚的荣耀、NOVA等系列手机 , 都是MindSpore商用的成功案例 。
随着华为开源MindSpore , 加上对开发者、科研人员的大力扶持 , 开发者们 , 属于你们的大航海时代开始了 , 快扫描下面的二维码上船吧!
本文首发于微信公众号:新智元 。 文章内容属作者个人观点 , 不代表和讯网立场 。 投资者据此操作 , 风险请自担 。
(责任编辑:王治强 HF013)


推荐阅读