江苏龙网

  1. 首页 > 资讯 > 资讯 > >

模型|汇聚4.5万开发者，华为MindSpore 1.0正式发布

_原题为 汇聚4.5万开发者 ， 华为MindSpore 1.0正式发布
机器之心发布
机器之心编辑部
模型|汇聚4.5万开发者，华为MindSpore 1.0正式发布
文章图片

图1 MindSpore 1.0正式发布
开源6个月以来 ， MindSpore收获了4.5w+名开发者 ， 累计PR数1w+ ， 下载使用用户遍布全球 ， 覆盖亚洲、欧洲、南美、北美、非洲、等各地区 ， MindSpore Study Group（下简称MSG）启动4个月便在海内外多个城市顺利开展 ， 深圳、杭州、苏州、上海、俄罗斯、新加坡、印尼均已建立MSG组织 ， 做到了真正的全球化社区 。
模型|汇聚4.5万开发者，华为MindSpore 1.0正式发布
文章图片

图2 MindSpore开源整体社区进展
1.0版本是一个里程碑 ， 是alpha、beta版本的一个沉淀 ， 也是未来版本的一个新起点 。 下面用1分钟视频回顾一下MindSpore从发布、开源到1.0版本的整体历程和技术特性 。
视频：MindSpore 1.0 版本1分钟特性总结
三大创新助力全场景AI应用
模型|汇聚4.5万开发者，华为MindSpore 1.0正式发布
文章图片

图3 MindSpore 1.0全景图介绍
创新一：全流程极简 ， 多套件打造极致开发体验
1. 即开即用
当开发者开展新项目时 ， 往往需要从清洗数据开始 ， 到训练模型 ， 推理部署等多个流程 ， 流程复杂 ， 耗时较久 。 在1.0版本中 ， 官方提供了40+个典型的高性能模型 ， 覆盖了CV、NLP、推荐、语音等各个领域 ， 大家可以使用这些模型直接推理或者加载自己的数据集做Fine-tuning ， 这样可以节省大量训练的时间和成本 ， 快速开发出智能的服务和应用 。 开发者们可以在官网的Hub页面中通过筛选条件 ， 快速找到自己想要的预训练模型 ， 实现模型开发套件 ， “即开即用” 。
模型|汇聚4.5万开发者，华为MindSpore 1.0正式发布
文章图片

图4 MindSpore Hub官网页面
2. 所见即所得
1.0版本中 ， MindSpore提供了所见即所得的模型开发和调优套件 。 在模型开发阶段 ， MindSpore基于统一的自动微分引擎 ， 支持用户用一行代码切换动态图和静态图模式 ， 使得兼顾开发效率和执行效率 。 在模型调优阶段 ， MindInsight可视化调优工具帮助用户汇总和分析调优过程 ， 并且向推荐合理的调优策略 ， 加速模型调优过程 。
模型|汇聚4.5万开发者，华为MindSpore 1.0正式发布
文章图片

图5 MindSpore 模型调优套件
如果你已使用PyTorch训练模型 ， 可以使用MindConverter工具加少量的代码开发 ， 即可方便地迁移到MindSpore框架 。 同时MindSpore也支持PyTorch、TensorFlow Lite、Caffe的模型文件直接转为MindSpore模型 。 这样就能非常方便地使用MindSpore提供的全自动并行特性 。
创新二：全自动并行 ， 最大释放集群算力
模型|汇聚4.5万开发者，华为MindSpore 1.0正式发布
文章图片

图6 MindSpore自动并行详解图
在算法层面 ， MindSpore拥有自动并行能力 ， 可以根据集群配置对模型和张量自动切分 ， 将串行算法进行自动并行 ， 大大减少算法开发人员的分布式代码开发和调优的负担 ， 使得算法调优时间从月级降到天级；
在算子层面 ， MindSpore提供了算子级并行自动融合 ， 通过细粒度pipeline的并行执行的方式 ， 进一步提高计算性能；
在硬件层面 ， MindSpore进行整图调度 ， 可以根据计算特征 ， 自动把算子调度到异构设备上执行 ， 实现异构多核的高效并行执行；
在此基础上 ， MindSpore协同Ascend处理器 ， 在分布式集群上达到了接近线性加速比 ， ResNet50网络训练吞吐量提升两倍 ， Bert-Large网络训练吞吐量提升3.2倍 。 开发者可以方便地使用MindSpore实现在多计算单元上并行计算 ， 既能大幅减少开发量以及开发难度 ， 又能使性能持平甚至优于手动设置 。 在ReID网络上进行混合并行 ， 脚本代码量从130行 ， 直接变为1行 ， 且加速比能达到88%以上 。
创新三：全场景协同全场景协同 ， 智能匹配端、边、云多样设备MindSpore 1.0提供模型自适应生成能力 ， 通过平衡模型精度和设备资源约束 ， 自动搜索匹配的模型 ， 开发者只需要做一次训练 ， 得到的模型就可以在端、边、云等多处部署 ， 可保证生成的精度损失小于1%；对于已经部署的模型 ， MindSpore提供了轻量化的端侧学习能力 ， 发挥私人数据的价值 ， 持续提升模型精度 ， 让智能设备越用越懂你 。 在框架方面 ， 为了多样化设备的资源约束 ， MindSpore可以做到KB到MB级的弹性伸缩 ， 既可以部署到高端手机 ， 又可以部署到手表等对资源要求极为苛刻的设备 ， 从而满足全场景部署的需求 。


推荐阅读


上一篇：观点评论|不只是一个LOGO那么简单，思皓X8共标的背后，耐人寻味

下一篇：知识科普|【】谈谈橱窗广告、共享广告那些事