华为正式开源 AI 框架 MindSpore,已完成全栈全场景 AI 解决方案(Portfolio)的构建

简介: 华为正式开源 AI 框架 MindSpore,已完成全栈全场景 AI 解决方案(Portfolio)的构建

yy.png

3 月 28 日华为开发者大会 2020(Cloud)上,华为宣布全场景 AI 计算框架 MindSpore 在码云正式开源,企业级 AI 应用开发者套件 ModelArts Pro 在华为云上线,同时展示了各行业合作伙伴基于华为人工智能计算平台 Atlas 的云边端全场景开发实践。

据悉该框架四月份即可试用,代码将托管在码云上。这标志着华为已完成全栈全场景 AI 解决方案(Portfolio)的构建,也意味着华为将与所有开发者共建 MindSpore 生态。

华为 MindSpore 首席科学家、IEEE Fellow 陈雷教授在会议上表示:

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。通过 MindSpore 自身的技术创新及 MindSpore 与华为昇腾 AI 处理器的协同优化,实现了运行态的高效,大大提高了计算性能;MindSpore 也支持 GPU、CPU 等其它处理器。

据介绍,MindSpore 具备三大特性:

一是开发友好,做到了 AI 算法即代码,代码量相比之前减少 20%,效率提升 50%;

二是运行态高效,面向深层芯片优化,通过图、算子、边缘加速以及神经网络并行,协同深层芯片算力达到 1.6 倍的性能优化;

三是部署灵活,通过自适应的部署技术实现从 IoT 设备到云的灵活部署。针对不同的运行环境,MindSpore 框架支持可大可小,适应全场景独立部署。

除此之外,华为还在会上展示了其人工智能计算平台 Atlas 的云边端全场景开发实践。据悉,华为已与数十家伙伴合作,推动基于华为昇腾 AI 处理器的 Atlas 系列模块、板卡、小站、服务器在智慧交通、智慧电力、智慧金融、智慧城市、智能制造等数十个行业落地。

至此,华为在 2018 年全联接大会上发布的全栈全场景AI解决方案,已面向开发者全面落地。


相关阅读:

1. 华为发布 openEuler 商业版操作系统,与腾讯游戏达成战略合作

2. 华为 P40 预装 HMS 替代谷歌应用,已覆盖 170 多个国家和地区

相关文章
|
7天前
|
机器学习/深度学习 人工智能 算法
整合海量公共数据,谷歌开源AI统计学专家DataGemma
【10月更文挑战第28天】谷歌近期开源了DataGemma,一款AI统计学专家工具,旨在帮助用户轻松整合和利用海量公共数据。DataGemma不仅提供便捷的数据访问和处理功能,还具备强大的数据分析能力,支持描述性统计、回归分析和聚类分析等。其开源性质和广泛的数据来源使其成为AI研究和应用的重要工具,有助于加速研究进展和推动数据共享。
32 6
|
8天前
|
人工智能 JSON API
阿里云文档智能 & RAG解决方案:提升AI大模型业务理解与应用
阿里云推出的文档智能 & RAG解决方案,旨在通过先进的文档解析技术和检索增强生成(RAG)方法,显著提升人工智能大模型在业务场景中的应用效果。该方案通过文档智能(Document Mind)技术将非结构化文档内容转换为结构化数据,提取文档的层级树、样式和版面信息,并输出为Markdown和Json格式,为RAG提供语义分块策略。这一过程不仅解决了文档内容解析错误和切块丢失语义信息的问题,还优化了输出LLM友好的Markdown信息。方案的优势在于其多格式支持能力,能够处理包括Office文档、PDF、Html、图片在内的主流文件类型,返回文档的样式、版面信息和层级树结构。
50 2
|
7天前
|
存储 人工智能 SEO
全开源免费AI网址导航网站源码
Aigotools 可以帮助用户快速创建和管理导航站点,内置站点管理和自动收录功能,同时提供国际化、SEO、多种图片存储方案。让用户可以快速部署上线自己的导航站。
19 1
|
14天前
|
存储 人工智能 弹性计算
基于《文档智能 & RAG让AI大模型更懂业务》解决方案实践体验后的想法
通过实践《文档智能 & RAG让AI大模型更懂业务》实验,掌握了构建强大LLM知识库的方法,处理企业级文档问答需求。部署文档和引导充分,但需增加资源选型指导。文档智能与RAG结合提升了文档利用效率,但在答案质量和内容精确度上有提升空间。解决方案适用于法律文档查阅、技术支持等场景,但需加强数据安全和隐私保护。建议增加基于容量需求的资源配置指导。
68 4
|
13天前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,企业越来越关注大模型的私有化部署。本文详细探讨了硬件资源需求、数据隐私保护、模型可解释性、模型更新和维护等方面的挑战及解决方案,并提供了示例代码,帮助企业高效、安全地实现大模型的内部部署。
32 1
|
13天前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,大模型在各领域的应用日益广泛。然而,将其私有化部署到企业内部面临诸多挑战,如硬件资源需求高、数据隐私保护、模型可解释性差、更新维护成本高等。本文探讨了这些挑战,并提出了优化硬件配置、数据加密、可视化工具、自动化更新机制等解决方案,帮助企业顺利实现大模型的私有化部署。
35 1
|
14天前
|
人工智能 边缘计算 监控
边缘AI计算技术应用-实训解决方案
《边缘AI计算技术应用-实训解决方案》提供完整的实训体系,面向高校和科研机构的AI人才培养需求。方案包括云原生AI平台、百度AIBOX边缘计算硬件,以及8门计算机视觉实训课程与2门大模型课程。AI平台支持大规模分布式训练、超参数搜索、标注及自动化数据管理等功能,显著提升AI训练与推理效率。硬件涵盖多规格AIBOX服务器,支持多种推理算法及灵活部署。课程涵盖从计算机视觉基础到大模型微调的完整路径,通过真实商业项目实操,帮助学员掌握前沿AI技术和产业应用。
37 2
|
14天前
|
数据采集 人工智能 自然语言处理
《文档智能 & RAG让AI大模型更懂业务》解决方案测评
《文档智能 & RAG让AI大模型更懂业务》解决方案测评
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
【10月更文挑战第31天】2024年,AI大模型在软件开发领域的应用取得了显著进展,从自动化代码生成、智能代码审查到智能化测试,极大地提升了开发效率和代码质量。然而,技术挑战、伦理与安全问题以及模型可解释性仍是亟待解决的关键问题。开发者需不断学习和适应,以充分利用AI的优势。

热门文章

最新文章

下一篇
无影云桌面