متابعة – أمل علوي
أطلقت شركة هواوي مجموعة الشرائح السحابية CloudMatrix 384 AI، وهو نظام جديد للتعلم الذكي يعتمد على معالجات Ascend 910C المترابطة عبر روابط بصرية. يتيح هذا الهيكل الموزع للنظام التفوق على إعدادات GPU التقليدية، خاصة فيما يتعلق باستخدام الموارد ووقت المعالجة، على الرغم من أن شرائح Ascend الفردية قد تكون أقل قوة من منافسيها.
هواوي تتحدى نيفيديا في سوق الذكاء الاصطناعي
تعتزم هواوي من خلال هذا الإطار الجديد تعزيز مكانتها كمنافس قوي لنظام نيفيديا الرائد في السوق، على الرغم من العقوبات الأمريكية المستمرة. لتحقيق ذلك، يحتاج مهندسو البيانات إلى تعديل سير العمل الخاص بهم، باستخدام أطر تدعم معالجات Ascend مثل MindSpore المتاحة من هواوي وشركائها.
الانتقال من PyTorch/TensorFlow إلى MindSpore
تعمل معالجات Ascend بشكل أفضل عند استخدامها مع MindSpore، وهو إطار تعلم عميق تم تطويره بواسطة هواوي. إذا كان لدى المهندسين نماذج مبنية باستخدام PyTorch أو TensorFlow، فسيتعين عليهم تحويل هذه النماذج إلى تنسيق MindSpore أو إعادة تدريبها باستخدام واجهة برمجة التطبيقات الخاصة بـ MindSpore.
نشر النماذج باستخدام MindIR
يستخدم MindSpore تقنية MindIR (تمثيل وسطي لـ MindSpore)، التي تعادل NVIDIA NIM. بعد تدريب النموذج في MindSpore، يمكن تصديره باستخدام أداة mindspore.export، التي تحول الشبكة المدربة إلى تنسيق MindIR.
التحول إلى CANN
تحتوي مجموعة أدوات CANN (معمارية الحوسبة لشبكات الأعصاب) على مكتبات وأدوات مخصصة لبرامج Ascend، وهي مشابهة لوظائف CUDA من NVIDIA. يُوصى باستخدام أدوات التقييم وتصحيح الأخطاء من CANN لمراقبة وتحسين أداء النموذج على الأجهزة الخاصة بـ Ascend.
أنماط التنفيذ: GRAPH_MODE مقابل PYNATIVE_MODE
يوفر MindSpore وضعين للتنفيذ:
GRAPH_MODE: يقوم بتجميع الرسم البياني للحساب قبل التنفيذ، مما يمكن أن يؤدي إلى تسريع الأداء وتحسينه.
PYNATIVE_MODE: ينفذ العمليات على الفور، مما يسهل عملية تصحيح الأخطاء، ويكون مناسبًا لمراحل تطوير النموذج المبكرة.
بيئة النشر: Huawei ModelArts
تم تصميم ModelArts، منصة هواوي السحابية لتطوير ونشر الذكاء الاصطناعي، لتتكامل بشكل وثيق مع الأجهزة ومع إطار عمل MindSpore. تدعم ModelArts كامل سلسلة العمليات من تصنيف البيانات والمعالجة إلى تدريب النماذج والنشر والمراقبة.
قد يتطلب التكيف مع MindSpore وCANN تدريبًا ووقتًا، خاصةً للفرق المعتادة على نظام NVIDIA. بالرغم من أن أدوات هواوي تتطور، إلا أنها تفتقر إلى النضج والدعم البيئي الأوسع الذي توفره الأطر مثل PyTorch مع CUDA. ومع ذلك، تأمل هواوي أن يكون التحول إلى عملياتها وبنيتها التحتية مجديًا من حيث النتائج، مما يسمح للمنظمات بتقليل الاعتماد على نيفيديا.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي.
