助力高校学子快速上手！昇腾AI处理器应用开发实践一览|华为昇腾师资培训沙龙北京场

 

如今，AI技术已渗透到各个行业，随着AI技术应用的蓬勃发展，相关专业的人才缺口也日益增大。

为了助力高校人工智能领域人才培养及学科建设，华为通过昇腾师资培训沙龙，面向广大高校教师提供昇腾全栈全场景AI技术知识点培训。通过理论讲解和案例实操，让与会高校教师能够更加全面、深入地认识昇腾、使用昇腾，从而将昇腾相关知识点融入学生培养体系。

9月19日、20日，在华为北京研究所举办的为期两天的昇腾师资培训沙龙北京场上，华为计算业务CTO周斌介绍了昇腾计算架构。

首先，昇腾计算提供了强有力的计算底层性能，其独特的达芬奇架构可以支撑上层的框架应用解决传统的科研问题，比如微分方程组等；同时对于师资和课程，也提供了完整的支撑；此外，昇腾还提供了交流的社区和下载资源、云服务资源以及物理硬件等物质支持。

周斌表示，在昇腾技术的发展过程中，各高校及老师对整体技术推广和发展起到了非常重要的作用，而昇腾计算也为其教学发展投入众多资源支持，这对于未来AI发展都具有一定的科研优势。

华为昇腾所追求的是充分利用硬件和体系架构的创新，以提供性价比更高的AI算力，而对于高校的教学及科研可以充分利用华为提供的资源，这也是相对便捷的一个手段。

为此，华为推出了沃土2.0计划，面向高校教研、开发人员、初创企业和合作伙伴进行扶持计划。目前，已经有50多所高校加入了沃土的高校教研扶持计划。

随后，清华大学计算机科学与技术系教授、人工智能研究院副院长孙茂松老师针对当前人工智能教学与人才培养中存在的问题进行了深度解读。他认为，人工智能的科学技术和人才培养可分为三个层次：基础科学、技术科学和技术应用。

我国新一代人工智能发展规划是到2030年人工智能理论、技术和应用总体达到世界领先水平，但目前国内的人工智能理论基础薄弱，技术科学也并不是全部领先，部分领域仍处于陪跑阶段，因此未来发展任重而道远。

AI人才的培养定位主要为三个方面：科学家、工程师和技术员。目前国内的人才培养的瓶颈是缺乏适用的师资和支撑课程的计算资源，培养过程中强力的算力支持是必不可少的。

孙茂松教授建议，要想解决当下的问题，同高端AI企业合作不失为一个很好的途径。

在为期两天的沙龙中，华为专家详细分享了华为昇腾全栈全场景技术架构及应用案例实战。其中，华为昇腾布道师杜凡义分享了基于昇腾AI处理器的目标检测应用实践。

随着深度学习和计算机视觉的快速发展，相关技术已经在诸多领域广泛应用。

目标检测（Object Detection）作为图像理解的重要一环，是机器视觉领域里最具有挑战性的问题之一，其在人脸检测、行人检测、车辆检测以及遥感影像中的重要地物检测等领域都有应用需求。

深度学习用于目标检测的算法从思路上来看，可以分为两大类，一类是two stage的方法，也就是把整个流程分为两部分，生成候选框和识别框内物体；另一类是one stage的方法，把整个流程统一在一起，直接给出检测结果，主要包含SSD, YOLO系列。

主流算法中表现较好的是SSD和YOLO系列，以VGG16-SSD为例，采用VGG16作为主干网络，采用卷积取代全连接层，其主要思想包括两点：通过卷积+池化依次提取特征；通过特征值来预测候选框的位置和大小，并对候选框内物体进行分类。

随后，杜凡义详细讲解了整个昇腾AI处理器的应用开发流程：原始的模型在经过工程准备后，首先进行模型评估、模型转换和精度评估，转换过程中出现问题时需要通过循环多次的算子开发及调试，直到调优成功；完成之后就进入到业务开发的过程中，经过一系列处理之后再推送到各种设备。而MindStudio可以支撑整个应用开发的过程。

他还提到了AI推理加速实例，对目标检测的模型获取过程也进行了讲解。

此外，杜凡义基于对原始模型的理解，重点说明了图像预处理时DVPP和AIPP的不同分工：DVPP主要负责解码、图像缩放与输出图像数据类型，AIPP负责色域的转换、减均值、抠出Crop以及图像的数据类型转换。

最后，杜凡义通过云端沙箱实验详细演示了目标检测应用开发的实战过程。到此，华为这次历经八站的昇腾实践交流之旅就圆满结束了。

回顾这次活动，华为的技术专家深度地介绍和解读了昇腾的全栈全场景AI技术，与会的各地高校师生对于昇腾的技术架构和知识理论也有了进一步的深刻体会，相信这将直接助益于未来国内AI领域的人才培养。AI的未来要靠专业人才来推动，而华为正与高校联合，致力于打破当前AI人才供需比严重失调的局面，为中国的 AI 发展输送更多高质量人才。

 

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。