华为开源全场景AI计算框架MindSpore,性能可达 Pytorch+2080Ti 的1.93倍

简介: 华为开源全场景AI计算框架MindSpore,性能可达 Pytorch+2080Ti 的1.93倍

bVbGU2a.jpg

MindSpore 是由华为于 2019 年 8 月推出的新一代全场景 AI 计算框架,2020 年 3 月 28 日,华为宣布 MindSpore 正式开源。

MindSpore 着重提升易用性并降低 AI 开发者的开发门槛。

MindSpore 原生适应每个场景包括端、边缘和云,并能够在按需协同的基础上,通过实现 AI 算法即代码,使开发态变得更加友好,显著减少模型开发时间,降低模型开发门槛。


昇腾 910 和 MindSpore 到底是什么


我们都熟悉的电脑当中有一个很重要的组件叫做 GPU,通常称为显卡,有了它才能处理电脑中的视频、图像信号,GPU 的性能越强能够处理视频信号的能力就越强,通常来说就能玩更大型的游戏,昇腾 910 可以大概理解为是服务器里的显卡,只不过它不是用来进行处理视频信号,而是用其强大的算力对 AI 模型进行训练的。

MindSpore 全场景 AI 计算框架则可以去大致类比电脑中的操作系统,有了它才能让 AI 处理器的强大算力充分发挥出来。


实力被证明


知乎用户 @凯恩博 kevin 博士在参加 MindSpore 学习的系列活动时,申请试用到 ModelArts Ascend 910 做模型训练,之后他实测了 Ascend 910 集群的性能,还与 2080Ti/P100/T4+Pytorch 做了性能对比。

bVbGUdC.png

得出如下结论:

A910 在训练速度约是 2080Ti 的 1.93 倍,而 2080Ti 在 32 位精度下是 V100 80% 性能估算,A910 的训练速度性能至少是 V100 的 1.5 倍以上。


产生了什么影响


华为有了目前世界算力顶尖 AI 处理器,对于人工智能算法模型的训练从过去的几个小时缩短到以分钟为单位,极大便利了开发者,能让 AI 应用更快成型,更容易投入使用,对于我国人工智能生态的形成起到了加速器的作用。

目录
相关文章
|
3月前
|
人工智能 数据可视化 数据处理
AI智能体框架怎么选?7个主流工具详细对比解析
大语言模型需借助AI智能体实现“理解”到“行动”的跨越。本文解析主流智能体框架,从RelevanceAI、smolagents到LangGraph,涵盖技术门槛、任务复杂度、社区生态等选型关键因素,助你根据项目需求选择最合适的开发工具,构建高效、可扩展的智能系统。
780 3
AI智能体框架怎么选?7个主流工具详细对比解析
|
2月前
|
人工智能 JavaScript 前端开发
GenSX (不一样的AI应用框架)架构学习指南
GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架,以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性,让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展,兼具灵活性与工程化优势。
211 6
|
2月前
|
传感器 人工智能 机器人
科技云报到:找到真场景,抓住真需求,这样的具身智能才是好AI
科技云报到:找到真场景,抓住真需求,这样的具身智能才是好AI
148 1
|
3月前
|
传感器 人工智能 监控
建筑施工安全 “智能防线”!AI 施工监测系统,全方位破解多场景隐患难题
AI施工监测系统通过多场景识别、智能联动与数据迭代,实现材料堆放、安全通道、用电、大型设备及人员行为的全场景智能监管。实时预警隐患,自动推送告警,联动现场处置,推动建筑安全从“人工巡查”迈向“主动防控”,全面提升施工安全管理水平。
490 15
|
2月前
|
人工智能 并行计算 PyTorch
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
228 4
|
3月前
|
人工智能
四大公益场景,20万奖金!AI开源公益创新挑战赛邀你一起「小有可为」
四大公益场景,20万奖金!AI开源公益创新挑战赛邀你一起「小有可为」
197 8
|
2月前
|
自然语言处理 数据挖掘 关系型数据库
ADB AI指标分析在广告营销场景的方案及应用
ADB Analytic Agent助力广告营销智能化,融合异动与归因分析,支持自然语言输入、多源数据对接及场景模板化,实现从数据获取到洞察报告的自动化生成,提升分析效率与精度,推动数据驱动决策。
|
2月前
|
机器学习/深度学习 PyTorch TensorFlow
66_框架选择:PyTorch vs TensorFlow
在2025年的大语言模型(LLM)开发领域,框架选择已成为项目成功的关键决定因素。随着模型规模的不断扩大和应用场景的日益复杂,选择一个既适合研究探索又能支持高效部署的框架变得尤为重要。PyTorch和TensorFlow作为目前市场上最主流的两大深度学习框架,各自拥有独特的优势和生态系统,也因此成为开发者面临的经典选择难题。
|
3月前
|
人工智能 边缘计算 搜索推荐
AI产品测试学习路径全解析:从业务场景到代码实践
本文深入解析AI测试的核心技能与学习路径,涵盖业务理解、模型指标计算与性能测试三大阶段,助力掌握分类、推荐系统、计算机视觉等多场景测试方法,提升AI产品质量保障能力。
|
2月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
418 29

热门文章

最新文章

推荐镜像

更多