一代深度学习框架研究( 五 )


一代深度学习框架研究

文章插图
图7 MindSpore端云协同框架
MindSpore端云协同框架整合了云侧框架和端侧框架,并打通了自动模型生成、模型压缩、编译优化和端侧学习的全流程 。
● MindSpore提供了神经架构搜索(neural architecture search,NAS)能力,用于自动化生成模型,构建模型库 。
● MindSpore模型压缩模块用于对模型库中的模型进行剪枝和量化 。
● MindSpore提供了编译优化能力,用于转换和优化模型,并通过神经处理单元(neural-network processing unit,NPU)、图形处理单元(graphics processing unit,GPU)等加速算子执行 。
注:以上数据基于华为云AI开发平台ModelArts测试获得,是训练过程整体下沉至Ascend 910 AI处理器执行所得的平均性能 。
注:以上数据基于华为云AI开发平台ModelArts测试获得,其中网络包含24个隐藏层,句长为128个token,字典表包含21 128个token 。
MindSpore端云协同框架具有以下特性 。
● 快速多处部署 。在实际场景中,模型需要快速适配不同机型硬件 。通过神经架构搜索技术构建多元化的模型库,适配多种机型 。针对特定应用场景,从模型库中搜索满足性能约束的模型,拿来即用,无须重新训练 。
● 全栈性能优化 。结合神经架构搜索、模型压缩(剪枝、蒸馏、量化)、编译优化(算子融合、常量折叠、硬件加速)等手段优化模型精度、大小、时延,追求极致性能 。
● 灵活并且易用 。支持多种策略组合使用,如模型生成、模型压缩和编译优化可以灵活组合;打通云到端全流程,集中管理全流程策略和配置,方便使用 。
● 多种学习形态 。MindSpore端云协同框架逐步支持多种学习形态,例如支持当前业界常用的端侧推理形态,并逐步支持迁移学习、联合学习等需要端侧训练能力的高级学习形态,满足开发者各种各样的场景需求 。
5 结束语深度学习现已成为人工智能发展重要的方向之一,已经深刻地改变了诸多应用领域,其中广为人知的领域包括自动语音识别、图像识别、自然语言理解以及很多其他交叉领域(如医疗、生物、金融等),并将在越来越多的领域取得成功 。本文通过研究人工智能发展历史认识到深度学习的价值和影响力,介绍了新一代深度学习框架MindSpore的框架、技术开发思路和性能优势,希望可以为深度学习技术研究人员提供参考 。
致谢
感谢整个华为MindSpore团队的贡献 。MindSpore已开源,可在相关网站下载 。
 
联系我们:
Tel:010-81055448
010-81055490
010-81055534
E-mail:bdr@bjxintong.com.cn
http://www.infocomm-journal.com/bdr
http://www.j-bigdataresearch.com.cn/
转载、合作:010-81055537
 
大数据期刊
《大数据(Big Data Research,BDR)》双月刊是由中华人民共和国工业和信息化部主管,人民邮电出版社主办,中国计算机学会大数据专家委员会学术指导,北京信通传媒有限责任公司出版的期刊,已成功入选中文科技核心期刊、中国计算机学会会刊、中国计算机学会推荐中文科技期刊,并被评为2018年国家哲学社会科学文献中心学术期刊数据库“综合性人文社会科学”学科最受欢迎期刊 。
关注《大数据》期刊微信公众号,获取更多内容




推荐阅读