MindSpore est un framework logiciel open-source pour l'apprentissage profond, l'apprentissage automatique et l'intelligence artificielle, développé par Huawei. Il offre un environnement centré sur Python pour définir des modèles, des flux de contrôle et des opérateurs personnalisés, visant à simplifier le développement d'applications d'IA sur diverses plateformes matérielles. Le framework est conçu pour prendre en charge à la fois les cas d'usage de recherche et de production, avec un accent sur l'efficacité et l'évolutivité.
MindSpore adopte une approche de différenciation automatique source-à-source (S2S), qui permet de transformer automatiquement le code Python en graphes de calcul optimisés. Cela diffère des frameworks basés sur des graphes qui exigent des utilisateurs d'apprendre des langages spécifiques au domaine (DSL) ou des interfaces de programmation d'applications (API) complexes. En utilisant la syntaxe Python native, MindSpore abaisse la barrière pour les développeurs familiers avec Python et s'intègre plus harmonieusement avec les flux de travail de calcul scientifique existants.
Architecture et Conception
L'architecture centrale de MindSpore repose sur un graphe de calcul optimisé pour l'exécution sur du matériel hétérogène. Le framework comprend un compilateur de graphes qui effectue une optimisation statique des graphes, telle que la fusion d'opérateurs et la réutilisation de la mémoire, afin d'améliorer les performances. Il prend également en charge les graphes dynamiques pour un débogage et une expérimentation flexibles, permettant aux développeurs de basculer entre l'exécution eager et le mode graphe selon les besoins.
Le moteur de différenciation automatique de MindSpore utilise la transformation S2S pour calculer les gradients lors de l'entraînement des réseaux de neurones. Cette approche permet une rétropropagation efficace sans nécessiter de calculs manuels de gradients ni de modifications importantes du code. Le framework fournit également une suite d'opérateurs intégrés, de fonctions de perte et d'algorithmes d'optimisation, y compris des variantes de descente de gradient stochastique et d'Adam, pour prendre en charge les tâches courantes d'apprentissage profond.
Support Matériel
MindSpore est conçu pour fonctionner sur une gamme de matériels, avec un support principal pour les puces IA Ascend de Huawei et les puces NPU HiSilicon, y compris la série Kirin. Le framework exploite CANN (Compute Architecture of Neural Networks), une architecture de calcul hétérogène développée par Huawei, pour permettre une exécution efficace sur ces processeurs. CANN fournit un backend pour le module DNN d'OpenCV, permettant aux développeurs d'exécuter des modèles d'IA sur les puces Ascend, Kirin et autres puces NPU HiSilicon.
En plus du matériel Huawei, MindSpore prend en charge le développement multiplateforme sur Android, iOS, Windows, les systèmes Linux EulerOS, OpenEuler, macOS et Linux. Il s'intègre également avec OpenHarmony, la fondation open-source de HarmonyOS, via MindSpore Lite, une version légère du framework conçue pour l'IA côté appareil. Cette intégration inclut le support du backend NNRt (Neural Network Runtime) et de l'interface de programmation ArkTS, introduits dans la version bêta 1 de l'API 11 d'OpenHarmony 4.1.
Intégration HarmonyOS
MindSpore joue un rôle dans l'écosystème HarmonyOS de Huawei, fournissant une pile système d'IA pour HarmonyOS NEXT basé sur OpenHarmony. Le framework prend en charge une conception système monocœur pour HarmonyOS, permettant des capacités d'IA sur des appareils tels que les smartphones et le matériel IoT. MindSpore Lite, la variante axée sur le mobile, offre des interfaces d'entraînement et des configurations de backend pour les tâches d'apprentissage automatique sur appareil, facilitant des applications comme la reconnaissance d'images et le traitement du langage naturel sans connectivité cloud.
PanGu-Σ et Modèles Fondamentaux
MindSpore est le framework sous-jacent du grand modèle de langage PanGu-Σ de Huawei, qui est construit avec un support complet de MindSpore. PanGu-Σ fait partie des efforts de Huawei en IA générative, ciblant des tâches telles que la génération de texte, le résumé et la réponse aux questions. Le framework inclut des fonctionnalités pour l'entraînement et l'inférence de modèles fondamentaux, avec des optimisations pour l'entraînement distribué à grande échelle sur plusieurs nœuds.
Historique et Versions
MindSpore a été open-sourcé par Huawei pour favoriser la collaboration dans la communauté de l'IA. Le 24 avril 2024, MindSpore 2.3.RC1 a été publié dans la communauté open-source, introduisant plusieurs améliorations. Celles-ci incluaient des capacités d'entraînement de modèles fondamentaux, une mise à niveau complète de la pile pour l'inférence de modèles fondamentaux, l'optimisation statique des graphes et des fonctionnalités de technologie de l'information (IT). La version a également ajouté MindSpore Elec MT, un modèle d'inversion intelligent pour les données magnétotelluriques, élargissant les applications du framework au calcul scientifique.
Applications et Écosystème
MindSpore prend en charge une large gamme d'applications d'IA, de la vision par ordinateur et du traitement du langage naturel à la simulation scientifique. Il inclut des extensions spécifiques au domaine, telles que MindSpore Elec pour l'automatisation de la conception électromagnétique et électronique, et MindSpore Science pour la modélisation basée sur la physique. Le framework est utilisé à la fois dans la recherche académique et les déploiements industriels, avec une documentation, des tutoriels et un livre intitulé « Deep Learning and Practice with MindSpore » disponibles en anglais pour soutenir l'apprentissage.
Comparaison avec d'Autres Frameworks
MindSpore concurrence d'autres frameworks d'IA open-source comme TensorFlow et PyTorch, offrant des capacités similaires pour le développement et l'entraînement de modèles. Ses principaux différenciateurs incluent l'approche de différenciation automatique S2S, une intégration étroite avec la pile matérielle et logicielle de Huawei, et le support des appareils HarmonyOS. Le framework met également l'accent sur la compatibilité multiplateforme, permettant un déploiement dans divers environnements, des serveurs cloud aux appareils de périphérie.
Voir Aussi
- Comparaison des logiciels d'apprentissage profond
- Comparaison des logiciels d'apprentissage automatique
- Programmation différentiable
- TensorFlow
- Keras
- CUDA
Références
(Section des références omise dans cette réponse)
Liens Externes
- Site officiel
- Apprendre MindSpore Web
- Livre Deep Learning and Practice with MindSpore (EN)