随着人工智能技术的快速发展与广泛应用，相关专业人才缺口日益增大。为了助力高校人工智能领域人才培养及学科建设，华为通过昇腾师资培训沙龙，面向广大高校教师提供昇腾全栈全场景AI技术知识点培训。
在近日华为举办的昇腾师资培训沙龙 · 杭州场上，华为杭州研究所所长庞云光表示，构建构建万物互联的世界需要充足的算力，基于此，华为一直致力于打造鲲鹏和昇腾生态，通过培训让高校成员也能接触到鲲鹏和昇腾计算体系，为中国自主的计算产业打下良好基础。
浙江大学计算机学院副院长、人工智能研究所所长吴飞教授浙江大学计算机学院副院长、人工智能研究所所长吴飞教授认为，人工智能技术是引领新一轮科技革命、产业变革和社会发展的战略性技术，具有溢出带动性很强的头雁效应，高校一定要跟企业、政府联合，才能推动人工智能人才的发展。
随后，华为海思杭研分部部长王海彬介绍了“沃土高校教研扶持计划”。其中的昇腾高校合作计划，旨在帮助高校使用华为全栈AI的技术能力及算力资源，开展高校人工智能学科建设，培养产业转型和创新发展所需要的新工科人才；而昇腾高校生态技术合作旨在帮助科研院所培养AI领域的研究创新人才，具体包括算子众筹、模型市场、应用案例等技术合作。
作为当天亮点演讲之一，华为技术专家鲍翀介绍了MindSpore开源AI计算框架，他从整体框架、软件架构、关键技术和应用场景四大层面进行了详细解读。众所周知，开发门槛高、运营成本高、部署时间长是AI从行业研究到场景应用面临的巨大挑战。为了帮助开发者跨越应用鸿沟，更简单、高效实现AI应用开发和部署，今年3月底开源的MindSpore框架，提出了新编程范式、新执行模式、新协作方式三大技术创新。MindSpore集成和借鉴了业界主流框架的优势，不过相比同类产品，MindSpore有三大特点：一是开发态友好，AI算法即代码；运行高效，与昇腾芯片对接；部署灵活，全场景按需协同。架构层面，MindSpore由MindSpore Extend、MindExpress、MindCompiler、MindRT等部分组成。此外，鲍翀着重介绍了MindSpore的自动并行、二阶优化、图算融合、全场景部署和协同四大特性。https://gitee.com/mindspore/mindsporehttps://live.csdn.net/room/Hansen666666/74Jl5LcE
MindSpore对标的是TensorFlow，PyTorch，它对下通过CANN发挥芯片的能力，对上提供网络编程API，以此开发AI应用程序，并且支持ModelArts服务。
就其内部而言，MindSpore的上层提供全场景的统一API，让用户基于MindSpore开发AI网络，也可以用MindSpore的接口进行AI训练和推理执行，其中提供的自动微分等AI基础能力，实现AI算法即代码。中间层会提供即时编译器，通过对计算图的编译优化，让程序能在昇腾芯片上高效执行，让AI网络发挥出其算力能力。同时，MindSpore是一体化的部署系统，支持端、云侧的部署使用，并且能够实现分布式协同。
MindSpore Extend是基于MindSpore的领域库，用于构建很多领域框架比如GNN、
概率编程、微分方程等。Model Zoo提供一些业界常用的网络，用户直接使用而无需重新开发。
MindExpress是一个Python前端，包含High-Level和Low-Level两层API设计，High-Level API提供训练推理接口、混合精度、并行等控制接口，让用户实现整网流程的控制。Low-Level API提供基础的Tensor、优化器等API，而Executor则提供计算的执行控制。MindCompiler提供面向MindIR的图级即时编译能力，包括自动并行、二阶优化，也有硬件方面的优化，可以让程序在Ascend上高效执行。它是MindSpore的一个重要的子系统。MindIR是MindSpore的一个核心中间表达，通过嵌套式的表达，很简便地支持不同语言的推导。
MindRT 子系统是一个统一的运行时系统，支持端、云多种设备形态，支持统一调度管理和内存池化管理，这是复杂网络能在异构硬件上运行的关键技术。它可与昇腾芯片进行
优化，整图下沉到卡上（on-device执行），减小host-device交互开销，提高
学习训练的效率。
MindData子系统负责高效执行训练数据处理pipeline，与计算形成流水，数据及时导入训练。它的关键功能包括用流水线+并行方式，可提高数据处理吞吐量。还提供自研的数据格式MindRecord，自带元数据，通过聚合存储让数据检索更快。用户还可以自定义Python算子，进行灵活定制。
MindInsight子系统是MindSpore的调试调优子系统，提供训练过程可视化、模型溯源、debugger和性能profiling功能，用户可以很方便观测系统的执行。
MindArmour子系统可针对可信AI的各个领域提供全面、有效、易用的评测工具和增强方法。一方面，它提供测试框架的建模，用一系列AI模型去验证系统的安全性和隐私保护能力，另一方面，它对一些常用的AI工具提供了标准安全升级手段。
简单网络的常规使用方法就是数据并行，但超大模型与超大数据集的分布式训练，需要通过数据并行+模型并行的混合并行方式，才能高效训练网络。模型切分方式是复杂的，但对外提供简单的API去描述。
在算法上，二阶的计算量远大于一阶，二阶优化方法可以有效加速模型收敛，减少迭代次数，同时会引入大量复杂计算，限制其在
模型训练中的广泛应用。MindSpore通过软硬协同的高性能算子解决了二阶信息矩阵逆矩阵的计算问题。
为了给用户提供灵活可配的编程能力，需要一系列完备的细粒度表达的算子，但这并不意味着这些算子能在异构硬件上以最高性能进行运行，这就需要一些融合能力。MindSpore对上通过细粒度算子，以提升编程的灵活性，对下通过其自动融合能力来提升性能进行平衡。
AI的商用是复杂的，既有云端大规模集群的训练，又有端侧对于轻量级、高性能的追求。MindSpore提供了云、端侧的训练和推理能力，并且使用了相同的算子和对外的接口，实现端、云协同执行，同时提供在训练时的量化感知训练，训练出的模型可以直接部署在端侧进行轻量化的推理，还具有混合执行的能力。
目前，基于MindSpore的华为云训练服务，已部署在华为内部各AI部门，而搭载HMS4.0/5.0的智能手机，使用了基于MindSpore的ML Kit，此外，MindSpore支撑华为数据通信网络平台实现智能控流，解决了拥塞精准控制难题。还没看过瘾或想了解更多培训详情？没关系，还有机会。接下来，华为还将在武汉、上海、南京、成都4站继续精彩培训课程！
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
