华为MindSpore

2019年8月23日，华为发布了全场景 AI 计算框架 MindSpore，并宣布 “MindSpore 将在2020年第一季度开源”。这是与 TensorFlow、PyTorch、PaddlePaddle 等框架竞争的一款产品。

华为在AI 框架的开发态友好（例如显著减少训练时间和成本）和运行态高效（例如最少资源和最高能效比）、适应每个场景（包括端、边缘和云）这三个方面都取得了显著进展：

1. 在原生适应每个场景包括端，边缘和云，并能够按需协同的基础上，通过实现 AI 算法即代码，提供一系列的关键技术，例如
   MindSpore 自动微分，采用 Source 2 Source 方式实现，在性能和可编程性上，明显优于业界图和运算符重载方式。能够实现任意算子的微分表达和编译优化，同时实现反向算子自动生成，使开发态变得更加友好，显著减少模型开发时间，降低了模型开发门槛。相比手工切分的模型并行的门槛高、效率低、调优难，MindSpore 只需定义单机模型，即可自动实现多机混合并行运行，无需了解 AI 集群细节。以一个 NLP（自然语言处理）典型网络为例，相比其他框架，用 MindSpore 可降低核心代码量 20%，开发门槛大大降低，效率整体提升 50% 以上。
2. 通过 MindSpore 框架自身的技术创新及其与昇腾处理器协同优化，有效克服 AI 计算的复杂性和算力的多样性挑战，实现了运行态的高效，大大提高了计算性能。除了昇腾处理器，MindSpore 同时也支持 GPU、CPU 等其它处理器。
3. 全场景支持，是在隐私保护日渐重要的背景下，实现 AI 无所不在越来越基础的需求，现在已有的 TensorFlow、PyTorch
   框架，还没有任何一个现有框架支持全场景，这正是 MindSpore 的重要特色。针对不同的运行环境，MindSpore 框架架构支持可大可小，适应全场景独立部署。MindSpore 框架通过协同经过处理后的、不带有隐私信息的梯度、模型信息，而不是数据本身，以此实现在保证用户隐私数据保护的前提下跨场景协同。

MindSpore 在设备端的深度学习框架，其容量只有不到 2m 大小，运行时占用内存不到 50m。华为表示，MindSpore 同时也支持目前所有主流深度学习框架中的模型。在框架之上，华为还为开发者提供了更为高级的 ModelArts，这是一个机器学习PaaS，提供全流程服务、分层分级 API 及预集成解决方案。

相关内容：

人工智能框架相当于AI世界的操作系统，除了华为的框架，最典型的代表是谷歌的人工智能框Tensorflow、Facebook的Pytorch，并且已经大规模地投入应用。当下，巨头的智能框架基本都是基于开源模式来构建自己的生态。

昇腾910总体技术表现超出预期，已经把昇腾910用于实际AI训练任务。比如，在典型的ResNet50网络的训练中，昇腾910与MindSpore配合，与现有主流训练单卡配合TensorFlow相比，显示出接近2倍的性能提升。

以上内容来源互联网，若侵权请告知。