随着世界向智能化、数字化转型，AI+云将成为构建未来智联世界的核心，在AIoT领域出现了更多应用场景的落地。在应用开发方面，开发者在对跨场景一致开发和调试上，往往需要经过多次应用开发和部署，才能确保应用在端、边、云上的全场景适配，进一步增加了AI开发门槛。同时，这些应用也带来了低延时和巨量数据的计算要求，这对芯片性能和算力部署提出了新的挑战。 

为了帮助开发者降低开发难度和运营成本，同时承载端、边、云全场景AI计算需求，华为发布了全栈全场景AI解决方案。12月28日「Atlas Tech Now | 昇腾学院——华为昇腾 AI 技术沙龙」苏州站，邀请了多位华为AI技术专家，通过基于昇腾 AI 处理器的 Atlas 人工智能计算平台、Mind Studio 一站式集成开发环境与 MindSpore 全场景 AI 计算框架的实践案例，助力开发者从容应对全场景 AI 开发带来的挑战。

如何基于Atlas进行推理业务开发？

在华为提出的全栈全场景AI解决方案中，全栈指的是技术功能视角，包含了昇腾AI处理器、CANN芯片使能、MindSpore AI框架、应用使能四个层次。昇腾AI处理器拥有Max，Mini，Lite，Tiny和Nano等五个系列，通过在不同场景下的合理应用，来提供最优的性价比服务。 

Atlas人工智能计算平台，基于昇腾AI处理器，通过模块、板卡、小站、服务器、集群等丰富的产品形态，打造面向端、边、云的全场景 AI 基础设施方案。目前这些产品，已广泛应用于平安城市、智慧交通、智慧医疗、AI训练和推理等领域。

华为全栈全场景AI解决方案

以Atlas 300业务开发为例，分为开发前准备、业务迁移、集成调优、测试验收4个阶段。

·  开发前准备：对OS类型及版本是否兼容，框架、模型、算子的支持度，视频/图像编解码功能，进行需求评估。然后进行环境搭建，安装Atlas 300固件和驱动和Mind Studio集成开发环境。

· 业务迁移：基于Matrix框架将待处理数据从Host侧发送到Device（昇腾310芯片）在Device完成所有处理，通过DVPP子系统实现crop/resize。

· 集成调优：对系统总体性能调优，包括模型选型、算子性能优化，软件流程调优等。

· 测试验收：最后进行功能测试、可靠性测试、性能测试，确定不同硬件配置下的性能规格。

Matrix是一个通用业务流程执行引擎，主要包含Agent（运行在Host侧）和Manger（运行在Device侧）两个部分。Engine 作为流程的基本功能单元，允许用户自定义，实现数据输入、图片视频分类处理、结果输出等，即engine的处理程序是由开发者实现的。对于服务器+Atlas 300来说，Host侧为服务器侧CPU的操作系统，Device侧为Atlas 300侧的操作系统。

DVPP子系统，数字视觉预处理（Digital Vision Pre-Process），提供对特定格式的视频和图像进行解码、缩放等预处理操作，同时具有对处理后的视频、图像进行编码再输出的能力。

华为智能计算专家 徐国强

应用Mind Studio，降低AI开发门槛

Mind Studio是面向昇腾AI处理器的AI全栈开发工具链，提供面向AI算子开发、模型开发、应用开发的全栈全场景支持。可以让用户的算子、模型和应用最大限度的发挥出芯片的计算能力，通过场景化的工具体验，降低算子、模型、AI应用的开发门槛。

· 算子开发：支持TBE自定义算子的开发，集成开发环境IDE的代码编辑器，支持语法的智能纠错和代码自动补全。 并支持算子的仿真调试，如果开发者有开发板的硬件设备，可以直接通过Mind Studio工具进行配置，上板运行。

· 模型开发：支持当前业界主流框架Tensorflow，caffe等，通过转换工具将模型转换成昇腾AI处理器支持的格式，发挥出芯片的加速能力。通过配置输入输出节点，图像预处理的参数，可以生成用户所需要的模型。模型的整网运行profiling功能，可以帮助用户快速定位出模型的性能瓶颈并定位优化。

· IDE提供的应用开发：为用户提供了多个典型AI应用的模板，用户基于模块做一些定制化的配置，就可以构建出属于自己的AI应用。

AI全栈开发典型场景

其中模型转换是当前很多开发者最常用的功能之一。通过转换工具，可以把开源的tensorflow、caffe模型转换成昇腾AI处理器支持的格式om格式。转换过程中，用户可以配置模型中的输入和输入节点， 量化参数，图像预处理的参数，生成满足用户输入要求的更高效om模型。

向导式模型转换，快速导入TF，Caffe模型

算子比对工具可以对已经生成的模型或基准的模型（如caffe模型）进行算子的比对，比对的方式可以选择不同的算法，如LowerBound等。通过算子比对的结果，可以发现模型中各个算子计算结果的偏差，通过对偏差的大小设置，开发者可以快速定位出偏差较大的算子并进行优化。

支持多种算子对比方式，快速定位算子进度差异

在模型整网调优中，对应用中的各个引擎，如数据预处理、模型推理等进行profiling，发现整个应用中的引擎性能瓶颈再进行优化。整网运行过程中除了获取到软件栈的Timeline数据，还能获取AI芯片设备上的硬件数据。

华为昇腾AI工程师 田晓亮

解读MindSpore三大技术创新点

MindSpore是华为推出的统一训练和推理框架，可以在全场景保持一致的开发体验。目前市面上的计算框架存在着开发门槛高、运行成本高、部署难度大等亟待解决的问题。对于这种问题，MindSpore的工程师进行了三项技术创新：新编程范式，执行模式及协作方式。

· 新编程范式：编程范式的决定性因素之一，就是AI框架采用的自动微分技术。其中，MindSpore采用源码转换的机制生成抽象语法树，基于IR编译优化，在易用性和性能上都具有很强的先进性。

· 执行模式：基于AI运行态的挑战，提出on-device的执行模式。

· 协作方式：端、边、云三类应用场景具有不同需求与目标，通过统一的框架来实现按需协同。

MindSpore设计理念：核心架构

基于开发态友好、运行态高效、部署态灵活的三个设计理念。MindSpore核心架构分为四层：端-边-云按需协作分布式架构（部署、调度、通讯等）在同一层，再往下是执行高效层。另外是并行的Pipeline执行层和深度图的优化、算子的融合，再上层有MindSpore IR计算图表达。支持了自动微分、自动并行、自动调优的特性，为全场景统一API提供支撑：开发算法即代码、运行高效、部署态灵活形成一体化。

新编程范式，采用源码转换的机制生成抽象语法树，首先在接口层支持原生的python编程和控制流的表达，增强可编程性。在中间编译层复用编译器优化能力进行代码优化，实现更高性能。在算子层利用高效能优化器、多面体优化器以及软硬协同优化，就可以自动化生成高性能算子。

新执行模式上，MindSpore使用了四项关键技术。第一项是通过深度图优化技术，最大化“数据-计算-通信”的并行度。第二项是通过梯度数据驱动的自适应图切分优化，实现去中心化的自主All Reduce。第三项是自动整图切分，按算子输入输出数据维度切分整图，融合数据并行与模型并行。第四项是集群拓扑感知调度，感知集群拓扑，自动调度子图执行，实现通信开销最小。

华为MindSpore工程师 龚玥

昇腾AI计算解决方案及应用

据某机构的预测，中国视觉计算行业2020年市场规模超过700亿。届时，安防影像、广告营销、泛金融身份认证、互联网娱乐等领域将会产生大规模AI批量计算需求。华为AI技术专家，也向开发者们展示了，昇腾AI计算在视觉计算行业的应用。目前，昇腾AI计算解决方案技术栈分为Ascend Serving服务框架、Ascend Graph开发框架、Ascend 算子开发三个层次。通过解决方案的整合，可以让开发者充分利用华为云昇腾算力的高性能，高弹性和端边云全网融合能力。

华为云异构计算产品经理 赵刚

· Ascend Serving服务框架：昇腾服务组件标准化，支持对接OBS，SFS-Turbo，支持容器化部署，边缘部署。

· Ascend Graph开发框架：成熟的昇腾组件、业务流程社区和市场，让开发者可以基于昇腾算力快速构建应用，加速业务模型部署，提供行业内最佳实践。

· Ascend 算子开发：支持客户自行开发调优，全栈自研，全流程开放。

昇腾AI计算解决方案在视觉相关计算行业的应用