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。 ）
