路标
Linux
Windows
Ascend
GPU
CPU
全流程
框架开发
中级
高级
贡献者
以下将展示MindSpore近一年的高阶计划,我们会根据用户的反馈诉求,持续调整计划的优先级。
总体而言,我们会努力在以下几个方面不断改进。
提供更多的预置模型支持。
持续补齐API和算子库,改善易用性和编程体验。
提供华为昇腾AI处理器的全面支持,并不断优化性能及软件架构。
完善可视化、调试调优、安全相关工具。
热忱希望各位在用户社区加入讨论,并贡献您的建议。
预置模型
CV:目标检测、GAN、图像分割、姿态识别等场景经典模型。
NLP:RNN、Transformer类型神经网络,拓展基于Bert预训练模型的应用。
其它:GNN、强化学习、概率编程、AutoML等。
易用性
补齐算子、优化器、Loss函数等各类API
完善Python语言原生表达支持
支持常见的Tensor/Math操作
增加更多的自动并行适用场景,提高策略搜索的准确性
性能优化
优化编译时间
低比特混合精度训练/推理
提升内存使用效率
提供更多的融合优化手段
加速PyNative执行性能
架构演进
图算融合优化:使用细粒度Graph IR表达算子,构成带算子边界的中间表达,挖掘更多图层优化机会。
支持更多编程语言
优化数据增强的自动调度及分布式训练数据缓存机制
持续完善MindSpore IR
Parameter Server模式分布式训练
MindInsight调试调优
训练过程观察
直方图
计算图/数据图展示优化
集成性能Profiling/Debugger工具
支持多次训练间的对比
训练结果溯源
数据增强溯源对比
训练过程诊断
性能Profiling
基于图模型的Debugger
MindArmour安全增强包
测试模型的安全性
提供模型安全性增强工具
保护训练和推理过程中的数据隐私
推理框架
算子性能与完备度的持续优化
支持语音模型推理
端侧模型的可视化
Micro方案,适用于嵌入式系统的超轻量化推理, 支持ARM Cortex-A、Cortex-M硬件
支持端侧重训及联邦学习
端侧自动并行特性
端侧MindData,包含图片Resize、像素数据转换等功能
配套MindSpore混合精度量化训练(或训练后量化),实现混合精度推理,提升推理性能
支持Kirin NPU、MTK APU等AI加速硬件
支持多模型推理pipeline
C++构图接口