从MindSpore框架,看AI框架与数据开源生态

通过WAIC开发者·2020上海临港人工智能开发者大会,让我们走近MindSpore,了解AI框架与数据开源生态。

2020年,国产深度学习框架似乎迎来了开源史上的高光时刻。既然提到国产框架,就一定会有华为MindSpore的身影。今年3月华为MindSpore正式开源,受到学界和业界的广泛关注,至今已经获得近5万名开发者下载使用,累计PR数超过1万。

作为国产开源框架的代表作,MindSpore有三大创新:全流程极简,多套件打造极致开发体验;全自动并行,最大释放集群算力;全场景协同全场景协同,智能匹配端、边、云多样设备。MindSpore还有哪些更多特性?如何助力行业落地应用。

在12月26日WAIC开发者·2020上海临港人工智能开发者大会的「华为AI专场——AI框架与数据开源生态」上,来自华为及合作伙伴的多位技术专家带领我们真正走近了MindSpore。

华为计算开源开发与运营部副总监黄之锋首先回顾了MindSpore开源这一年中的运营情况,介绍了MindSpore的运营原则和举办的一系列开发者活动,如12天12城的MindCon极客周、21天深度学习实战营等。
021A4924_w1260.jpeg黄之鹏表示,开源运营最重要的是建立人与人之间尤其是有关技术的连接。我们希望开源社区运营是要有烟火味的,必须要接地气的,我们希望用非常接地气的方法跟大家交流。

随后,上海交通大学副教授、博士导师蒋力带来了一个芯片体系架构方面的有趣议题:何时进入千倍能效优势的AI芯片热兵器时代。他在演讲中介绍了AI芯片的发展趋势和挑战、稀疏性问题、存算一体新型架构的进展与挑战,以及与MindSpore合作解决稀疏性问题的尝试。
021A4989_w1445.jpeg蒋力教授表示,芯片是否成功主要取决于它的生态是否好。框架对于AI的算法和硬件架构的协同设计是至关重要的。未来的趋势是协同优化应该交给框架去做,让框架把算法中的精度问题、计算性能、延迟等问题,甚至一些新的工艺、工具链需要解决的问题融合在一起。未来我们从工艺到EDA工具等等这些「卡脖子」的问题是非常有希望在存算一体这种新的赛道上,在这一新赛道上是可以构建出一套国产自主的从芯片设计到编译框架、软件框架整个生态的链条

MindSpore在应用层面效果如何呢?Jina AI联合创始人兼首席技术官王楠介绍了如何利用神经搜索框架Jina 和深度学习框架MindSpore快速搭建向量搜索系统。
021A5060_w4952.jpeg他首先用以图搜图的案例来介绍向量搜索,即通过深度学习模型将图片转化为向量,再把这些向量存储一个向量索引中,当用户拿一张图片来做查询的时候,我们会把这张图片也通过深度学习的模型转化为向量,然后在这个向量索引中,和我们之前存储的那些向量进行对比,从而找出最相似的图片。然而,要在实际的生产系统中搭建这样的向量系统,需要非常高的开发和维护成本,Jina针对这一痛点开发出一套开源的搜索框架,这是一个云原生的搜索框架,具备可缩放性。而将Jina与MindSpore框架相融合,有助于打造一个更厉害更强大的向量搜索系统。

Zilliz合伙人、技术布道师顾钧也介绍了MindSpore在其业务中的应用,其演讲主题是如何利用Milvus和MindSpore做模型服务和数据服务,让AI程序在生产系统中真正地跑起来。他介绍了旨在解决非结构数据搜索问题的Milvus项目,以及如何通过模型服务和数据服务简化AI落地。目前Milvus已经开源。
021A5084_w6271.jpeg在这次论坛的最后,MindSpore高级工程师与社区布道师吴丹萍介绍了MindSpore的关键差异化特征和应用案例。
021A5122_w7831.jpegMindSpore的关键特性包括:

自动并行,实现大规模高效训练;
动静态图结合;
二阶优化,实现训练加速20%;
可视化调优,打造最佳开发体验;
全场景协同:智能匹配端、边、云多样设备;
全栈协同加速。

演讲最后,吴丹萍介绍了MindSpore与鹏城实验室、深圳湾实验室、银行、教育部等的合作。

Powered by Froala Editor

产业MindSpore
暂无评论
暂无评论~