應(yīng)用

技術(shù)

物聯(lián)網(wǎng)世界 >> 物聯(lián)網(wǎng)新聞 >> 物聯(lián)網(wǎng)熱點(diǎn)新聞
企業(yè)注冊(cè)個(gè)人注冊(cè)登錄

華為昇騰師資培訓(xùn)沙龍杭州場(chǎng) | MindSpore開源框架公開四大關(guān)鍵特性

2020-08-19 14:34 互聯(lián)網(wǎng)

導(dǎo)讀:隨著人工智能技術(shù)的快速發(fā)展與廣泛應(yīng)用,相關(guān)專業(yè)人才缺口日益增大。

隨著人工智能技術(shù)的快速發(fā)展與廣泛應(yīng)用,相關(guān)專業(yè)人才缺口日益增大。

為了助力高校人工智能領(lǐng)域人才培養(yǎng)及學(xué)科建設(shè),華為通過(guò)昇騰師資培訓(xùn)沙龍,面向廣大高校教師提供昇騰全棧全場(chǎng)景AI技術(shù)知識(shí)點(diǎn)培訓(xùn)。

華為杭州研究所所長(zhǎng)龐云光

在近日華為舉辦的昇騰師資培訓(xùn)沙龍 · 杭州場(chǎng)上,華為杭州研究所所長(zhǎng)龐云光表示,構(gòu)建構(gòu)建萬(wàn)物互聯(lián)的世界需要充足的算力,基于此,華為一直致力于打造鯤鵬和昇騰生態(tài),通過(guò)培訓(xùn)讓高校成員也能接觸到鯤鵬和昇騰計(jì)算體系,為中國(guó)自主的計(jì)算產(chǎn)業(yè)打下良好基礎(chǔ)。

浙江大學(xué)計(jì)算機(jī)學(xué)院副院長(zhǎng)、人工智能研究所所長(zhǎng)吳飛教授

浙江大學(xué)計(jì)算機(jī)學(xué)院副院長(zhǎng)、人工智能研究所所長(zhǎng)吳飛教授認(rèn)為,人工智能技術(shù)是引領(lǐng)新一輪科技革命、產(chǎn)業(yè)變革和社會(huì)發(fā)展的戰(zhàn)略性技術(shù),具有溢出帶動(dòng)性很強(qiáng)的頭雁效應(yīng),高校一定要跟企業(yè)、政府聯(lián)合,才能推動(dòng)人工智能人才的發(fā)展。

華為海思杭研分部部長(zhǎng)王海彬

隨后,華為海思杭研分部部長(zhǎng)王海彬介紹了“沃土高校教研扶持計(jì)劃”。其中的昇騰高校合作計(jì)劃,旨在幫助高校使用華為全棧AI的技術(shù)能力及算力資源,開展高校人工智能學(xué)科建設(shè),培養(yǎng)產(chǎn)業(yè)轉(zhuǎn)型和創(chuàng)新發(fā)展所需要的新工科人才;而昇騰高校生態(tài)技術(shù)合作旨在幫助科研院所培養(yǎng)AI領(lǐng)域的研究創(chuàng)新人才,具體包括算子眾籌、模型市場(chǎng)、應(yīng)用案例等技術(shù)合作。

作為當(dāng)天亮點(diǎn)演講之一,華為技術(shù)專家鮑翀介紹了MindSpore開源AI計(jì)算框架,他從整體框架、軟件架構(gòu)、關(guān)鍵技術(shù)和應(yīng)用場(chǎng)景四大層面進(jìn)行了詳細(xì)解讀。

眾所周知,開發(fā)門檻高、運(yùn)營(yíng)成本高、部署時(shí)間長(zhǎng)是AI從行業(yè)研究到場(chǎng)景應(yīng)用面臨的巨大挑戰(zhàn)。為了幫助開發(fā)者跨越應(yīng)用鴻溝,更簡(jiǎn)單、高效實(shí)現(xiàn)AI應(yīng)用開發(fā)和部署,今年3月底開源的MindSpore框架,提出了新編程范式、新執(zhí)行模式、新協(xié)作方式三大技術(shù)創(chuàng)新。

MindSpore集成和借鑒了業(yè)界主流框架的優(yōu)勢(shì),不過(guò)相比同類產(chǎn)品,MindSpore有三大特點(diǎn):一是開發(fā)態(tài)友好,AI算法即代碼;運(yùn)行高效,與昇騰芯片對(duì)接;部署靈活,全場(chǎng)景按需協(xié)同。

架構(gòu)層面,MindSpore由MindSpore Extend、MindExpress、MindCompiler、MindRT等部分組成。此外,鮑翀著重介紹了MindSpore的自動(dòng)并行、二階優(yōu)化、圖算融合、全場(chǎng)景部署和協(xié)同四大特性。

GitHub鏈接:

https://gitee.com/mindspore/mindspore

視頻回放:

https://live.csdn.net/room/Hansen666666/74Jl5LcE

整體介紹

MindSpore對(duì)標(biāo)的是TensorFlow,PyTorch,它對(duì)下通過(guò)CANN發(fā)揮芯片的能力,對(duì)上提供網(wǎng)絡(luò)編程API,以此開發(fā)AI應(yīng)用程序,并且支持ModelArts服務(wù)。

就其內(nèi)部而言,MindSpore的上層提供全場(chǎng)景的統(tǒng)一API,讓用戶基于MindSpore開發(fā)AI網(wǎng)絡(luò),也可以用MindSpore的接口進(jìn)行AI訓(xùn)練和推理執(zhí)行,其中提供的自動(dòng)微分等AI基礎(chǔ)能力,實(shí)現(xiàn)AI算法即代碼。

中間層會(huì)提供即時(shí)編譯器,通過(guò)對(duì)計(jì)算圖的編譯優(yōu)化,讓程序能在昇騰芯片上高效執(zhí)行,讓AI網(wǎng)絡(luò)發(fā)揮出其算力能力。

同時(shí),MindSpore是一體化的部署系統(tǒng),支持端、云側(cè)的部署使用,并且能夠?qū)崿F(xiàn)分布式協(xié)同。

軟件架構(gòu)

MindSpore Extend是基于MindSpore的領(lǐng)域庫(kù),用于構(gòu)建很多領(lǐng)域框架比如GNN、深度概率編程、微分方程等。

Model Zoo提供一些業(yè)界常用的網(wǎng)絡(luò),用戶直接使用而無(wú)需重新開發(fā)。

MindExpress是一個(gè)Python前端,包含High-Level和Low-Level兩層API設(shè)計(jì),High-Level API提供訓(xùn)練推理接口、混合精度、并行等控制接口,讓用戶實(shí)現(xiàn)整網(wǎng)流程的控制。Low-Level API提供基礎(chǔ)的Tensor、優(yōu)化器等API,而Executor則提供計(jì)算的執(zhí)行控制。

MindCompiler提供面向MindIR的圖級(jí)即時(shí)編譯能力,包括自動(dòng)并行、二階優(yōu)化,也有硬件方面的優(yōu)化,可以讓程序在Ascend上高效執(zhí)行。它是MindSpore的一個(gè)重要的子系統(tǒng)。

MindIR是MindSpore的一個(gè)核心中間表達(dá),通過(guò)嵌套式的表達(dá),很簡(jiǎn)便地支持不同語(yǔ)言的推導(dǎo)。

MindRT 子系統(tǒng)是一個(gè)統(tǒng)一的運(yùn)行時(shí)系統(tǒng),支持端、云多種設(shè)備形態(tài),支持統(tǒng)一調(diào)度管理和內(nèi)存池化管理,這是復(fù)雜網(wǎng)絡(luò)能在異構(gòu)硬件上運(yùn)行的關(guān)鍵技術(shù)。它可與昇騰芯片進(jìn)行深度優(yōu)化,整圖下沉到卡上(on-device執(zhí)行),減小host-device交互開銷,提高深度學(xué)習(xí)訓(xùn)練的效率。

MindData子系統(tǒng)負(fù)責(zé)高效執(zhí)行訓(xùn)練數(shù)據(jù)處理pipeline,與計(jì)算形成流水,數(shù)據(jù)及時(shí)導(dǎo)入訓(xùn)練。它的關(guān)鍵功能包括用流水線+并行方式,可提高數(shù)據(jù)處理吞吐量。還提供自研的數(shù)據(jù)格式MindRecord,自帶元數(shù)據(jù),通過(guò)聚合存儲(chǔ)讓數(shù)據(jù)檢索更快。用戶還可以自定義Python算子,進(jìn)行靈活定制。

MindInsight子系統(tǒng)是MindSpore的調(diào)試調(diào)優(yōu)子系統(tǒng),提供訓(xùn)練過(guò)程可視化、模型溯源、debugger和性能profiling功能,用戶可以很方便觀測(cè)系統(tǒng)的執(zhí)行。

MindArmour子系統(tǒng)可針對(duì)可信AI的各個(gè)領(lǐng)域提供全面、有效、易用的評(píng)測(cè)工具和增強(qiáng)方法。一方面,它提供測(cè)試框架的建模,用一系列AI模型去驗(yàn)證系統(tǒng)的安全性和隱私保護(hù)能力,另一方面,它對(duì)一些常用的AI工具提供了標(biāo)準(zhǔn)安全升級(jí)手段。

關(guān)鍵技術(shù)

簡(jiǎn)單網(wǎng)絡(luò)的常規(guī)使用方法就是數(shù)據(jù)并行,但超大模型與超大數(shù)據(jù)集的分布式訓(xùn)練,需要通過(guò)數(shù)據(jù)并行+模型并行的混合并行方式,才能高效訓(xùn)練網(wǎng)絡(luò)。模型切分方式是復(fù)雜的,但對(duì)外提供簡(jiǎn)單的API去描述。

在算法上,二階的計(jì)算量遠(yuǎn)大于一階,二階優(yōu)化方法可以有效加速模型收斂,減少迭代次數(shù),同時(shí)會(huì)引入大量復(fù)雜計(jì)算,限制其在深度模型訓(xùn)練中的廣泛應(yīng)用。MindSpore通過(guò)軟硬協(xié)同的高性能算子解決了二階信息矩陣逆矩陣的計(jì)算問(wèn)題。

為了給用戶提供靈活可配的編程能力,需要一系列完備的細(xì)粒度表達(dá)的算子,但這并不意味著這些算子能在異構(gòu)硬件上以最高性能進(jìn)行運(yùn)行,這就需要一些融合能力。MindSpore對(duì)上通過(guò)細(xì)粒度算子,以提升編程的靈活性,對(duì)下通過(guò)其自動(dòng)融合能力來(lái)提升性能進(jìn)行平衡。

AI的商用是復(fù)雜的,既有云端大規(guī)模集群的訓(xùn)練,又有端側(cè)對(duì)于輕量級(jí)、高性能的追求。MindSpore提供了云、端側(cè)的訓(xùn)練和推理能力,并且使用了相同的算子和對(duì)外的接口,實(shí)現(xiàn)端、云協(xié)同執(zhí)行,同時(shí)提供在訓(xùn)練時(shí)的量化感知訓(xùn)練,訓(xùn)練出的模型可以直接部署在端側(cè)進(jìn)行輕量化的推理,還具有混合執(zhí)行的能力。

目前,基于MindSpore的華為云訓(xùn)練服務(wù),已部署在華為內(nèi)部各AI部門,而搭載HMS4.0/5.0的智能手機(jī),使用了基于MindSpore的ML Kit,此外,MindSpore支撐華為數(shù)據(jù)通信網(wǎng)絡(luò)平臺(tái)實(shí)現(xiàn)智能控流,解決了擁塞精準(zhǔn)控制難題。

還沒(méi)看過(guò)癮或想了解更多培訓(xùn)詳情?沒(méi)關(guān)系,還有機(jī)會(huì)。接下來(lái),華為還將在武漢、上海、南京、成都4站繼續(xù)精彩培訓(xùn)課程!