热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

华为Atlas人工智能计算平台,开发者的礼物!

在希腊神话中,有一位力大无穷的神灵,他依靠自己的双臂,在亿万年的岁月里支撑起无边无际的天穹,守护整个世界。这个神灵就是传说中

在希腊神话中,有一位力大无穷的神灵,他依靠自己的双臂,在亿万年的岁月里支撑起无边无际的天穹,守护整个世界。

 

这个神灵就是传说中海神波塞冬的长子,擎天巨神 Atlas

 

相比于希腊神话中上天入地的神灵,我们人类是弱小的,但我们依靠自己的智慧,让文明一步一步前进。计算机、人工智能、互联网......各种伟大的发明让我们变得强大起来。

2019年,一个全新的“科技之神”在华为公司诞生了,这就是华为的Atlas人工智能计算平台,和希腊神话之中的擎天巨神同名。

这个华为的Atlas,到底是一个怎样的平台呢?

华为Atlas人工智能计算平台,是基于华为昇腾系列AI处理器和业界主流异构计算部件,通过模块、板卡、小站、服务器、集群等丰富的产品形态,打造面向 “云、边、端” 的全场景AI基础设施方案,可广泛用于“平安城市、智慧交通、智慧医疗、AI推理”等领域。

作为华为全栈全场景AI解决方案的重要组成部分,Atlas人工智能计算平台就像希腊神话中那位擎天巨神一样,以超强的算力帮助客户,撑起海量的AI运算。

可能有些人还不太了解,这个 “云、边、端” 是什么意思呢?这是三大模块在Atlas人工智能计算平台的巧妙协同:

云,是整个平台计算和处理海量数据的核心。华为利用Atlas 800 AI服务器,打造出一套高密度云测AI推理方案,用更少的服务器实现更优的处理性能。

一个很典型的应用场景就是超大规模城市治理。一个超过2000万人口的城市,拥有超过300万车辆,3000个路口,每天会产生4300张过车图片。

 

如何实时分析整个城市的交通状况?如何实现有效的交通治理?我们需要强大的云端算力,来分析车辆识别、违章识别、交通流量的数据。

如果采用通用处理器,需要3000台服务器;采用GPU,需要72-144台服务器;采用面向AI深度学习优化的NPU处理器,仅仅需要60台服务器,大大减少部署的复杂度和功耗。

 

强大的Atlas800 AI服务器,正是具备了这样的优势。

 

边,就是边缘计算,是对云计算的辅助支持,边缘计算采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。华为利用Atlas 500智能小站,以及Atlas300 AI加速卡,为边侧AI推理大大提升了效率。

一个很典型的应用场景就是工业质检。产品质量是每个企业的生命线。当前制造业的质量检测大部分由人工作业完成,工作强度大、特殊工序的作业环境危险,但准确率只有90%左右。

近几年,机器视觉质检在制造行业开始推广,准确率已经达到95%左右,但仍未满足企业的期望。很多企业购买了昂贵的质检设备,但仍需要进行人工的二次质检。业界一直在寻找更好的方案,AI工业质检应运而生。

 

华为公司就曾经与凌华科技合作,将Atlas 300 AI加速卡和凌华工控机进行深度结合,升级为智能工控机,使每一个工业传感器都拥有AI能力。华为供应链应用团队, 基于SSD、U-Net等神经网络开发了AI质检算法,将质检准确率提升至99%, 部分工序的精度甚至可以达到99.9%,这是一个非常令人兴奋的成果!

 

端,就是终端,这是离广大使用者更近的部分。比如无人机、智能机器人、工厂使用的机械臂等等。为了提升端的性能,华为推出了Atlas 200 AI加速模块。

此外,华为还为广大AI开发者带来了福音,这就是华为推出的Atlas 200 DK AI开发者套件。这款开发套件可以用于科研,高校,以及个人开发者。

开发者只需要30分钟即可快速搭建开发环境,图形化界面十分友好,而且能做到一次开发全场景部署。不仅如此,Atlas还包含了高效的算子开发工具:TBE(Tensor Boost Engine)。

 

TBE算子开发工具有着两大好处:

1.   开发方便,预置了丰富的API接口,支持不同类型用户自定义算子开发与调优。

2.   提供了极高的性能,软硬件深度协同优化,性能足足提升10%。

 

以上就是华为的云、边、端。这三者的共同协作,实现了Atlas的全场景AI需求。

 

接下来,讲一讲广大开发者做关心的话题:基于Atlas200如何做AI应用开发 ?

过程很简单,我们首先需要下载Mind Studio

 

Mind Studio是一套基于IntelliJ框架的开发工具链平台,提供了算子开发、调试、调优以及第三方算子开发的功能,同时还提供了网络移植、优化和分析功能,为用户开发应用程序带来了极大的便利。

 

Atlas 200 DK为开发者提供了丰富的API,使得AI开发变得十分便捷。

Talk is cheap,show me the code. 让我们列举一些代码实现(C++),来看看基于Atlas 200 DK的开发是什么样子。

 

Atlas平台不仅提供了先进的技术,而且也是一个有温度的平台。面向广大开发者,华为打造了以开发者为中心的使能平台——昇腾开发者社区

在昇腾开发者社区里,大家可以在资源中心获取技术文档,下载开发工具(如TBE算子开发工具)、代码样例(如制造质检模型等),在赋能中心提 供了AI理论课程、实践课程和应用案列,在支持中心提供了在线问答、远程支持和经验分享等方式提供便捷的技术支持,帮助开发者迅速上手。

 

我们很幸运,因为我们生活在这样一个科技时代,AI已经离我们越来越近,使用越来越便捷。创新来自于每一位开发者,我们一起发挥创意与激情,让智慧共同飞扬!

欢迎点击[阅读原文],加入昇腾开发者社区


推荐阅读
  • [译]技术公司十年经验的职场生涯回顾
    本文是一位在技术公司工作十年的职场人士对自己职业生涯的总结回顾。她的职业规划与众不同,令人深思又有趣。其中涉及到的内容有机器学习、创新创业以及引用了女性主义者在TED演讲中的部分讲义。文章表达了对职业生涯的愿望和希望,认为人类有能力不断改善自己。 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 2017亚马逊人工智能奖公布:他们的AI有什么不同?
    事实上,在我们周围,“人工智能”让一切都变得更“智能”极具讽刺意味。随着人类与机器智能之间的界限变得模糊,我们的世界正在变成一个机器 ... [详细]
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 本文介绍了腾讯最近开源的BERT推理模型TurboTransformers,该模型在推理速度上比PyTorch快1~4倍。TurboTransformers采用了分层设计的思想,通过简化问题和加速开发,实现了快速推理能力。同时,文章还探讨了PyTorch在中间层延迟和深度神经网络中存在的问题,并提出了合并计算的解决方案。 ... [详细]
  • GPT-3发布,动动手指就能自动生成代码的神器来了!
    近日,OpenAI发布了最新的NLP模型GPT-3,该模型在GitHub趋势榜上名列前茅。GPT-3使用的数据集容量达到45TB,参数个数高达1750亿,训练好的模型需要700G的硬盘空间来存储。一位开发者根据GPT-3模型上线了一个名为debuid的网站,用户只需用英语描述需求,前端代码就能自动生成。这个神奇的功能让许多程序员感到惊讶。去年,OpenAI在与世界冠军OG战队的表演赛中展示了他们的强化学习模型,在限定条件下以2:0完胜人类冠军。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 【论文】ICLR 2020 九篇满分论文!!!
    点击上方,选择星标或置顶,每天给你送干货!阅读大概需要11分钟跟随小博主,每天进步一丢丢来自:深度学习技术前沿 ... [详细]
  • OCR:用字符识别方法将形状翻译成计算机文字的过程Matlab:商业数学软件;CUDA:CUDA™是一种由NVIDIA推 ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
  • 当写稿机器人真有了观点和感情,我们是该高兴还是恐惧?
    目前,写稿机器人多是撰写以数据为主的稿件,当它们能够为文章注入观点之时,这些观点真的是其所“想”吗?最近,《南 ... [详细]
  • ICRA2019最佳论文  Making Sense of Vision and Touch: SelfSupervised Learning of Multimodal Representatio
    文章目录摘要模型架构模态编码器自监督预测控制器设计策略学习控制器设计实验结论和展望会议:ICRA2019标题:《MakingSenseofVision ... [详细]
  • 人工智能推理能力与假设检验
    最近Google的Deepmind开始研究如何让AI做数学题。这个问题的提出非常有启发,逻辑推理,发现新知识的能力应该是强人工智能出现自我意识之前最需要发展的能力。深度学习目前可以 ... [详细]
author-avatar
浪子一品香_938
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有