從視頻流、信息流推薦到手機(jī)拍照濾鏡,智能語(yǔ)音助手,再到自動(dòng)駕駛汽車(chē),深度學(xué)習(xí)的身影無(wú)處不在。深度學(xué)習(xí)模型越來(lái)越受歡迎,因?yàn)樗鼈兛梢詫?shí)現(xiàn)最先進(jìn)的準(zhǔn)確性,有時(shí)甚至可以超越人類(lèi)。人工智能是技術(shù)中發(fā)展最快的學(xué)科之一,許多人都在嘗試學(xué)習(xí)人工智能和機(jī)器學(xué)習(xí)來(lái)推動(dòng)個(gè)人職業(yè)發(fā)展,尤其是數(shù)據(jù)科學(xué)家和算法工程師。
那么,學(xué)習(xí)深度學(xué)習(xí)的過(guò)程也會(huì)很復(fù)雜嗎?畢竟,深度學(xué)習(xí)是一個(gè)涉及線(xiàn)性代數(shù)、概率和信息論、卷積神經(jīng)網(wǎng)絡(luò)、決策樹(shù)和聚類(lèi)算法、生成對(duì)抗網(wǎng)絡(luò)、機(jī)器視覺(jué)和圖像識(shí)別、自然語(yǔ)言處理和增強(qiáng)學(xué)習(xí)等數(shù)十種技術(shù)的復(fù)雜領(lǐng)域。應(yīng)該從哪里開(kāi)始學(xué)習(xí),是數(shù)學(xué)、編程或神經(jīng)科學(xué)嗎?學(xué)習(xí)之后如何開(kāi)始實(shí)踐呢?如何把深度學(xué)習(xí)作為一門(mén)工具,應(yīng)用于工作和生活之中?
MindSpore 提供了一種有效的學(xué)習(xí)路徑。
MindSpore 是華為推出的全場(chǎng)景 AI 計(jì)算框架,具備統(tǒng)一的模型訓(xùn)練、推理和導(dǎo)出等接口,支持端、邊、云等不同場(chǎng)景下的靈活部署。自2020 年 3 月正式開(kāi)源以來(lái),MindSpore 已經(jīng)培育了一個(gè)十分活躍的技術(shù)社區(qū),軟件總下載量超81萬(wàn),開(kāi)源社區(qū)Star 數(shù)量超1.5萬(wàn),PR數(shù)超3.9萬(wàn)。
MindSpore 提供了詳細(xì)的教程,包括訓(xùn)練、推理和端側(cè)設(shè)備使用三部分,開(kāi)發(fā)者可以根據(jù)自身情況選擇不同階段進(jìn)行學(xué)習(xí)。教程設(shè)置由易到難,步步深入,從深度學(xué)習(xí)的發(fā)展歷史,到MindSpore 的安裝及使用,到深度學(xué)習(xí)算法、自然語(yǔ)言處理、圖像識(shí)別等多種AI實(shí)戰(zhàn),再到MindSpore 的原理及創(chuàng)新算法均有涉及,甚至還會(huì)補(bǔ)充深度學(xué)習(xí)、機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)。
要吸引更多人使用深度學(xué)習(xí)框架,關(guān)鍵就在于易用性。因此,MindSpore 在設(shè)計(jì)上盡量往易用性上靠攏,這也造就了MindSpore 的優(yōu)勢(shì)。
提供Python編程范式:用戶(hù)使用Python原生控制邏輯即可構(gòu)建復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型,AI編程變得簡(jiǎn)單。
提供動(dòng)態(tài)圖和靜態(tài)圖統(tǒng)一:目前主流的深度學(xué)習(xí)框架的執(zhí)行模式有兩種,分別為靜態(tài)圖模式和動(dòng)態(tài)圖模式。靜態(tài)圖模式擁有較高的訓(xùn)練性能,但難以調(diào)試。動(dòng)態(tài)圖模式相較于靜態(tài)圖模式雖然易于調(diào)試,但難以高效執(zhí)行。MindSpore 提供了動(dòng)態(tài)圖和靜態(tài)圖統(tǒng)一的編碼方式,大大增加了靜態(tài)圖和動(dòng)態(tài)圖的可兼容性,用戶(hù)無(wú)需開(kāi)發(fā)多套代碼,僅變更一行代碼便可切換動(dòng)態(tài)圖/靜態(tài)圖模式,用戶(hù)可擁有更輕松的開(kāi)發(fā)調(diào)試及性能體驗(yàn)。
采用函數(shù)式可微分編程架構(gòu):神經(jīng)網(wǎng)絡(luò)模型通?;谔荻认陆邓惴ㄟM(jìn)行訓(xùn)練,但手動(dòng)求導(dǎo)過(guò)程復(fù)雜,結(jié)果容易出錯(cuò)。MindSpore 的基于源碼轉(zhuǎn)換(Source Code Transformation,SCT)的自動(dòng)微分(Automatic Differentiation)機(jī)制采用函數(shù)式可微分編程架構(gòu),在接口層提供 Python 編程接口,包括控制流的表達(dá)。用戶(hù)可聚焦于模型算法的數(shù)學(xué)原生表達(dá),無(wú)需手動(dòng)進(jìn)行求導(dǎo)。
單機(jī)和分布式訓(xùn)練統(tǒng)一:隨著神經(jīng)網(wǎng)絡(luò)模型和數(shù)據(jù)集的規(guī)模不斷增加,分布式并行訓(xùn)練成為了神經(jīng)網(wǎng)絡(luò)訓(xùn)練的常見(jiàn)做法,但分布式并行訓(xùn)練的策略選擇和編寫(xiě)十分復(fù)雜,這嚴(yán)重制約著深度學(xué)習(xí)模型的訓(xùn)練效率,阻礙深度學(xué)習(xí)的發(fā)展。MindSpore 統(tǒng)一了單機(jī)和分布式訓(xùn)練的編碼方式,開(kāi)發(fā)者無(wú)需編寫(xiě)復(fù)雜的分布式策略,在單機(jī)代碼中添加少量代碼即可實(shí)現(xiàn)分布式訓(xùn)練,提高神經(jīng)網(wǎng)絡(luò)訓(xùn)練效率,大大降低了AI開(kāi)發(fā)門(mén)檻,使用戶(hù)能夠快速實(shí)現(xiàn)模型思路。
還有一大核心優(yōu)點(diǎn)就是,在分布式集群和華為全棧下,MindSpore 有獨(dú)特的性能優(yōu)勢(shì)。作為華為戰(zhàn)略平臺(tái)性的深度學(xué)習(xí)框架,MindSpore 堅(jiān)持走底層框架優(yōu)化路線(xiàn),匹配昇騰處理器,能最大程度地發(fā)揮硬件能力,幫助開(kāi)發(fā)者縮短訓(xùn)練時(shí)間,提升推理性能。當(dāng)然,MindSpore 還支持GPU、CPU等異構(gòu)平臺(tái)。在當(dāng)前主流的深度學(xué)習(xí)框架里面,性能和易用性都能兼顧的,當(dāng)屬M(fèi)indSpore 。
近期,MindSpore 社區(qū)推出了“MindSpore開(kāi)源社區(qū)成長(zhǎng)計(jì)劃”,能夠?qū)?MindSpore 學(xué)習(xí)過(guò)程與 MindSpore 開(kāi)源實(shí)踐結(jié)合起來(lái)。參與者要先完成 MindSpore 課程,再相應(yīng)地認(rèn)領(lǐng)MindSpore 開(kāi)源社區(qū)任務(wù),從最簡(jiǎn)單的文檔資料、語(yǔ)法規(guī)范,到一定難度的算子開(kāi)發(fā)、應(yīng)用案例都有涉及,一步一步引導(dǎo)開(kāi)發(fā)者進(jìn)入深度學(xué)習(xí)領(lǐng)域,迅速擴(kuò)展和鍛煉技術(shù)圖譜,同時(shí),也能夠最大化地將個(gè)人智慧產(chǎn)生社會(huì)影響力,真正實(shí)現(xiàn)發(fā)展技術(shù)的自由不受禁錮。
“MindSpore開(kāi)源社區(qū)成長(zhǎng)計(jì)劃”還設(shè)置了更為直接的激勵(lì)措施。比如,解決初、中和高級(jí)不同難易程度的任務(wù)就能累積積分兌換獎(jiǎng)品,同時(shí)還可獲得開(kāi)發(fā)者證書(shū);優(yōu)秀開(kāi)發(fā)者還有機(jī)會(huì)成為 MindSpore 開(kāi)源社區(qū) SIG 組組長(zhǎng),參與到 MindSpore 核心技術(shù)演進(jìn)的討論。
種一棵樹(shù)最好的時(shí)間是十年前,其次是現(xiàn)在。深度學(xué)習(xí)領(lǐng)域的技術(shù)發(fā)展日新月異,MindSpore 開(kāi)源成長(zhǎng)活動(dòng)已經(jīng)開(kāi)始,趕緊點(diǎn)擊下方鏈接,開(kāi)始邁出學(xué)習(xí)的第一步吧!
進(jìn)入MindSpore官方Gitee地址,點(diǎn)擊community倉(cāng)issue頁(yè)面的【MindSpore開(kāi)源活動(dòng)】任務(wù)列表與細(xì)則說(shuō)明帖子,可查看活動(dòng)細(xì)則,并在任務(wù)列表里點(diǎn)擊issue鏈接編號(hào)查看任務(wù)詳情,開(kāi)始任務(wù)。
(免責(zé)聲明:本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 )