Presentación 5- Huawei

Beatriz Toribio Pineda

David Fernando Contreras Bautista
Sebastian Almazan Torres
 DISEÑO MINDSPORE:
DIFERENCIA AUTOMÁTICA
•TensorFlow es el framework de aprendizaje automático más popular y se
utiliza en una amplia gama de aplicaciones.
•PyTorch es un framework de aprendizaje automático de alto rendimiento que
se utiliza para entrenar modelos de aprendizaje automático complejos.
•Mindspore es un framework de aprendizaje automático de alto rendimiento
que se centra en la eficiencia y la escalabilidad.
Los desafíos del autoparalelismo incluyen:
•Eficiencia: El autoparalelismo puede ser ineficiente si no se
implementa correctamente.
•Compatibilidad: El autoparalelismo debe ser compatible con
una amplia gama de modelos y arquitecturas de hardware.
•Flexibilidad: El autoparalelismo debe ser flexible para
adaptarse a diferentes tamaños de datos y conjuntos de
dispositivos. AutoParallelism
Las tecnologías clave del autoparalelismo incluyen:
•Análisis de dominio: Se utiliza para entender la estructura del
modelo y la topología del dispositivo para determinar la mejor
manera de paralelizar el modelo.
•Computación paralela: Se utiliza para ejecutar el modelo en
paralelo en los diferentes dispositivos.
•Comunicación: Se utiliza para intercambiar datos entre los
diferentes dispositivos.
AI Computing Framework

Desafíos de la industria:
-Altas barreras de entrada
-Alto costo de ejecución
-Larga duración de implementación
Innovación tecnológica:
-Nuevo modo de programación
-Nuevo modo de ejecución
-Nuevo modo de colaboración
 Desafíos de ejecución:
•Rendimiento: Los modelos de IA pueden ser muy complejos y requieren una gran cantidad de
recursos computacionales para entrenar e inferir. Los frameworks de IA deben ser capaces de
ejecutar modelos de IA de manera eficiente para que sean aplicables a problemas del mundo real.
•Compatibilidad: Los frameworks de IA deben ser compatibles con una amplia gama de hardware y
software. Esto es importante para que los modelos de IA puedan desplegarse en una variedad de
entornos.
•Eficiencia: Los frameworks de IA deben ser eficientes en el uso de recursos. Esto es importante
para reducir los costos de entrenamiento e inferencia de modelos de IA.
 Desafíos de implementación:
•Dificultad: La implementación de modelos de IA puede ser compleja. Los frameworks de IA deben
proporcionar documentación y herramientas que faciliten la implementación de modelos de IA.
•Flexibilidad: Los frameworks de IA deben ser flexibles para adaptarse a diferentes necesidades de
implementación. Esto es importante para permitir que los modelos de IA se implementen en una variedad de
entornos.
•Seguridad: Los frameworks de IA deben ser seguros para proteger los datos y los modelos de IA.
 Desarrollo unificado

-Implementación flexible
-Colaboración bajo demanda
-Alta seguridad y confiabilidad
 Visión y valor
Implementación flexible
Implementación de larga
duración Rendimiento Excepcional
Desarrollo unificado Diversas unidades y modelos de
computación
Implementación flexible
CPU*NPU

Desarrollo Eficiente
Experiencia profunda
Programación de algoritmos
 Programming concept: CELL
En programación, una celda es una unidad básica de almacenamiento de datos. En
general, una celda se refiere a un lugar en la memoria de un ordenador donde se
puede almacenar un dato.

En el contexto de las hojas de cálculo, una celda es un pequeño cuadro en la pantalla

que contiene datos. Las celdas se organizan en filas y columnas, y se pueden usar
para almacenar una variedad de datos, como números, texto, fórmulas y gráfico
 Mindsporeir
MindSporeIR se puede utilizar para los siguientes propósitos:
•Intercambio de modelos: MindSporeIR se puede utilizar para intercambiar modelos
entre diferentes plataformas y frameworks de aprendizaje profundo.

•Optimización de modelos: MindSporeIR se puede utilizar para optimizar modelos

para mejorar el rendimiento y la eficiencia.

•Diseño de modelos: MindSporeIR se puede utilizar para diseñar modelos de

aprendizaje profundo de manera más eficiente y productiva