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。

GitHub链接：https://gitee.com/mindspore/mindspore视频回放：https://live.csdn.net/room/Hansen666666/74Jl5LcE

整体介绍

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。

软件架构

MindSpore Extend是基于MindSpore的领域库，用于构建很多领域框架比如GNN、深度概率编程、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深度优化，整图下沉到卡上(on-device执行)，减小host-device交互开销，提高深度学习训练的效率。

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。

关键技术

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，限制其在深度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!