MindSpore는 화웨이가 개발한 딥러닝, 머신러닝, 인공지능을 위한 오픈소스 소프트웨어 프레임워크이다. 모델 정의, 제어 흐름, 사용자 정의 연산자를 위한 Python 중심 환경을 제공하며, 다양한 하드웨어 플랫폼에서 AI 애플리케이션 개발을 간소화하는 것을 목표로 한다. 이 프레임워크는 효율성과 확장성에 중점을 두고 연구 및 프로덕션 사용 사례를 모두 지원하도록 설계되었다.
MindSpore는 소스-투-소스(S2S) 자동 미분 방식을 채택하여 Python 코드가 최적화된 계산 그래프로 자동 변환되도록 한다. 이는 사용자가 도메인 특화 언어(DSL)나 복잡한 애플리케이션 프로그래밍 인터페이스(API)를 학습해야 하는 그래프 기반 프레임워크와는 다르다. 네이티브 Python 구문을 사용함으로써 MindSpore는 Python에 익숙한 개발자에게 진입 장벽을 낮추고 기존 과학 컴퓨팅 워크플로우와 더 원활하게 통합된다.
아키텍처 및 설계
MindSpore의 핵심 아키텍처는 이기종 하드웨어에서 실행되도록 최적화된 계산 그래프를 중심으로 구성된다. 이 프레임워크는 연산자 융합 및 메모리 재사용과 같은 정적 그래프 최적화를 수행하는 그래프 컴파일러를 포함하여 성능을 향상시킨다. 또한 유연한 디버깅과 실험을 위한 동적 그래프를 지원하여 개발자가 필요에 따라 즉시 실행 모드와 그래프 모드 간에 전환할 수 있게 한다.
MindSpore의 자동 미분 엔진은 S2S 변환을 사용하여 신경망 훈련을 위한 기울기를 계산한다. 이 접근 방식은 수동 기울기 계산이나 광범위한 코드 수정 없이 효율적인 역전파를 가능하게 한다. 이 프레임워크는 또한 확률적 경사 하강법 변형 및 Adam을 포함한 내장 연산자, 손실 함수, 최적화 알고리즘 모음을 제공하여 일반적인 Deep learning 작업을 지원한다.
하드웨어 지원
MindSpore는 다양한 하드웨어에서 실행되도록 설계되었으며, 화웨이의 Ascend AI 칩과 Kirin 시리즈를 포함한 HiSilicon NPU 칩을 주로 지원한다. 이 프레임워크는 화웨이가 개발한 이기종 컴퓨팅 아키텍처인 CANN(Compute Architecture of Neural Networks)을 활용하여 이러한 프로세서에서 효율적인 실행을 가능하게 한다. CANN은 OpenCV의 DNN 모듈에 대한 백엔드를 제공하여 개발자가 Ascend, Kirin 및 기타 HiSilicon NPU 지원 칩에서 AI 모델을 실행할 수 있게 한다.
화웨이 하드웨어 외에도 MindSpore는 Android, iOS, Windows, Linux 기반 EulerOS, OpenEuler, macOS 및 Linux에서 크로스 플랫폼 개발을 지원한다. 또한 HarmonyOS의 오픈소스 기반인 OpenHarmony와 MindSpore Lite를 통해 통합되는데, 이는 디바이스 측 AI를 위해 설계된 경량 버전의 프레임워크이다. 이 통합에는 OpenHarmony 4.1의 API 11 Beta 1에서 도입된 NNRt(Neural Network Runtime) 백엔드 및 ArkTS 프로그래밍 인터페이스 지원이 포함된다.
HarmonyOS 통합
MindSpore는 화웨이의 HarmonyOS 생태계에서 역할을 수행하며, OpenHarmony 기반 HarmonyOS NEXT를 위한 AI 시스템 스택을 제공한다. 이 프레임워크는 HarmonyOS용 단일 코어 시스템 설계를 지원하여 스마트폰 및 IoT 하드웨어와 같은 장치에서 AI 기능을 가능하게 한다. 모바일 중심 변형인 MindSpore Lite는 클라우드 연결 없이 이미지 인식 및 자연어 처리와 같은 애플리케이션을 용이하게 하는 온디바이스 Machine learning 작업을 위한 훈련 인터페이스와 백엔드 구성을 제공한다.
PanGu-Σ 및 기반 모델
MindSpore는 화웨이의 대규모 언어 모델 PanGu-Σ의 기반 프레임워크이며, 전체 MindSpore 지원으로 구축되었다. PanGu-Σ는 텍스트 생성, 요약, 질문 응답과 같은 작업을 대상으로 하는 화웨이의 Generative AI 노력의 일부이다. 이 프레임워크는 여러 노드에 걸친 대규모 분산 훈련을 위한 최적화와 함께 기반 모델 훈련 및 추론 기능을 포함한다.
역사 및 릴리스
MindSpore는 AI 커뮤니티에서 협업을 촉진하기 위해 화웨이에 의해 오픈소스로 공개되었다. 2024년 4월 24일, MindSpore 2.3.RC1이 오픈소스 커뮤니티에 릴리스되었으며 여러 개선 사항이 도입되었다. 여기에는 기반 모델 훈련 기능, 기반 모델 추론을 위한 전체 스택 업그레이드, 정적 그래프 최적화, 정보 기술(IT) 기능이 포함되었다. 이 릴리스는 또한 지자기 데이터를 위한 지능형 역산 모델인 MindSpore Elec MT를 추가하여 프레임워크의 애플리케이션을 과학 컴퓨팅으로 확장했다.
애플리케이션 및 생태계
MindSpore는 컴퓨터 비전 및 Natural language processing에서 과학 시뮬레이션에 이르기까지 광범위한 AI 애플리케이션을 지원한다. 전자기 및 전자 설계 자동화를 위한 MindSpore Elec, 물리 기반 모델링을 위한 MindSpore Science와 같은 도메인 특화 확장을 포함한다. 이 프레임워크는 학술 연구와 산업 배포 모두에서 사용되며, 학습을 지원하기 위해 영어로 제공되는 문서, 튜토리얼 및 "Deep Learning and Practice with MindSpore"라는 책이 있다.
다른 프레임워크와의 비교
MindSpore는 TensorFlow 및 PyTorch와 같은 다른 오픈소스 AI 프레임워크와 경쟁하며 모델 개발 및 훈련을 위한 유사한 기능을 제공한다. 주요 차별점은 S2S 자동 미분 접근 방식, 화웨이 하드웨어 및 소프트웨어 스택과의 긴밀한 통합, HarmonyOS 장치 지원이다. 이 프레임워크는 또한 클라우드 서버에서 엣지 장치에 이르는 다양한 환경에 배포를 가능하게 하는 크로스 플랫폼 호환성을 강조한다.
같이 보기
- 딥러닝 소프트웨어 비교
- 머신러닝 소프트웨어 비교
- 미분 가능 프로그래밍
- TensorFlow
- Keras
- CUDA
참고 문헌
(이 응답에서는 참고 문헌 섹션이 생략됨)
외부 링크
- 공식 웹사이트
- Learning MindSpore Web
- Deep Learning and Practice with MindSpore Book (ENG)