昇思MindSpore是一個全場景深度學習框架，旨在實現易開發、高效執行、全場景覆蓋三大目標。
其中，易開發表現為API友好、調試難度低；高效執行包括計算效率、數據預處理效率和分布式訓練效率；全場景則指框架同時支持云、邊緣以及端側場景。
昇思MindSpore總體架構如下圖所示：
ModelZoo（模型庫）：ModelZoo提供可用的深度學習算法網絡，也歡迎更多開發者貢獻新的網絡(ModelZoo地址)。
Extend（擴展庫）：昇思MindSpore的領域擴展庫，支持拓展新領域場景，如GNN/深度概率編程/強化學習等，期待更多開發者來一起貢獻和構建。
Science（科學計算）：MindScience是基于昇思MindSpore融合架構打造的科學計算行業套件，包含了業界領先的數據集、基礎模型、預置高精度模型和前后處理工具，加速了科學行業應用開發（了解更多）。
Expression（全場景統一API）：基于Python的前端表達與編程接口。同時未來計劃陸續提供C/C++、華為自研編程語言前端-倉頡（目前還處于預研階段）等第三方前端的對接工作，引入更多的第三方生態。
Data（數據處理層）：提供高效的數據處理、常用數據集加載等功能和編程接口，支持用戶靈活的定義處理注冊和pipeline并行優化。
Compiler（AI編譯器）：圖層的核心編譯器，主要基于端云統一的MindIR實現三大功能，包括硬件無關的優化（類型推導、自動微分、表達式化簡等）、硬件相關優化（自動并行、內存優化、圖算融合、流水線執行等）、部署推理相關的優化（量化、剪枝等）。
Runtime（全場景運行時）：昇思MindSpore的運行時系統，包含云側主機側運行時系統、端側以及更小IoT的輕量化運行時系統。
Insight（可視化調試調優工具）：昇思MindSpore的可視化調試調優工具，能夠可視化地查看訓練過程、優化模型性能、調試精度問題、解釋推理結果（了解更多)。
Armour（安全增強庫）：面向企業級運用時，安全與隱私保護相關增強功能，如對抗魯棒性、模型安全測試、差分隱私訓練、隱私泄露風險評估、數據漂移檢測等技術（了解更多）。
有了對昇思MindSpore總體架構的了解后，我們可以看看各個模塊之間的整體配合關系，具體如圖所示：
昇思MindSpore作為全場景AI框架，所支持的有端（手機與IOT設備）、邊（基站與路由設備）、云（服務器）場景的不同系列硬件，包括昇騰系列產品，英偉達NVIDIA系列產品，Arm系列的高通驍龍、華為麒麟的芯片等系列產品。
左邊藍色方框的是MindSpore主體框架，主要提供神經網絡在訓練、驗證相關的基礎API功能，另外還會默認提供自動微分、自動并行等功能。
藍色方框往下是MindSpore Data模塊，可以利用該模塊進行數據預處理，包括數據采樣、數據迭代、數據格式轉換等不同的數據操作。在訓練的過程會遇到很多調試調優的問題，因此有MindSpore Insight模塊對loss曲線、算子執行情況、權重參數變量等調試調優相關的數據進行可視化，方便用戶在訓練過程中進行調試調優。
AI安全最簡單的方式就是從攻防的視角來看，例如,攻擊者在訓練階段摻入惡意數據，影響AI模型推理能力，于是MindSpore推出了MindSpore Armour模塊，為MindSpore提供AI安全機制。
藍色方框往上的內容跟算法開發相關的用戶更加貼近，包括存放大量的AI算法模型庫ModelZoo，提供面向不同領域的開發工具套件MindSpore DevKit，另外還有高階拓展庫MindSpore Extend，這里面值得一提的就是MindSpore Extend中的科學計算套件MindSciences，MindSpore首次探索將科學計算與深度學習結合，將數值計算與深度學習相結合，通過深度學習來支持電磁仿真、藥物分子仿真等等。
神經網絡模型訓練完后，可以導出模型或者加載存放在MindSpore Hub中已經訓練好的模型。接著有MindIR提供端云統一的IR格式，通過統一IR定義了網絡的邏輯結構和算子的屬性，將MindIR格式的模型文件 與硬件平臺解耦，實現一次訓練多次部署。因此如圖所示，通過IR把模型導出到不同的模塊執行推理。
支持全場景協同
昇思MindSpore是源于全產業的最佳實踐，向數據科學家和算法工程師提供了統一的模型訓練、推理和導出等接口，支持端、邊、云等不同場景下的靈活部署，推動深度學習和科學計算等領域繁榮發展。
提供Python編程范式，簡化AI編程
昇思MindSpore提供了Python編程范式，用戶使用Python原生控制邏輯即可構建復雜的神經網絡模型，AI編程變得簡單。
提供動態圖和靜態圖統一的編碼方式
目前主流的深度學習框架的執行模式有兩種，分別為靜態圖模式和動態圖模式。靜態圖模式擁有較高的訓練性能，但難以調試。動態圖模式相較于靜態圖模式雖然易于調試，但難以高效執行。 昇思MindSpore提供了動態圖和靜態圖統一的編碼方式，大大增加了靜態圖和動態圖的可兼容性，用戶無需開發多套代碼，僅變更一行代碼便可切換動態圖/靜態圖模式，例如設置set_context(mode=PYNATIVE_MODE)切換成動態圖模式，設置set_context(mode=GRAPH_MODE)即可切換成靜態圖模式，用戶可擁有更輕松的開發調試及性能體驗。
采用函數式可微分編程架構，使用戶聚焦于模型算法的數學原生表達
神經網絡模型通常基于梯度下降算法進行訓練，但手動求導過程復雜，結果容易出錯。昇思MindSpore的基于源碼轉換（Source Code Transformation，SCT）的自動微分（Automatic Differentiation）機制采用函數式可微分編程架構，在接口層提供Python編程接口，包括控制流的表達。用戶可聚焦于模型算法的數學原生表達，無需手動進行求導。
統一單機和分布式訓練的編碼方式
隨著神經網絡模型和數據集的規模不斷增加，分布式并行訓練成為了神經網絡訓練的常見做法，但分布式并行訓練的策略選擇和編寫十分復雜，這嚴重制約著深度學習模型的訓練效率，阻礙深度學習的發展。MindSpore統一了單機和分布式訓練的編碼方式，開發者無需編寫復雜的分布式策略，在單機代碼中添加少量代碼即可實現分布式訓練，例如設置set_auto_parallel_context(parallel_mode=ParallelMode.AUTO_PARALLEL)便可自動建立代價模型，為用戶選擇一種較優的并行模式，提高神經網絡訓練效率，大大降低了AI開發門檻，使用戶能夠快速實現模型思路。
昇思MindSpore向用戶提供了3個不同層次的API，支撐用戶進行網絡構建、整圖執行、子圖執行以及單算子執行，從低到高分別為Low-Level Python API、Medium-Level Python API以及High-Level Python API。
High-Level Python API
第一層為高階API，其在中階API的基礎上又提供了訓練推理的管理、混合精度訓練、調試調優等高級接口，方便用戶控制整網的執行流程和實現神經網絡的訓練推理及調優。例如用戶使用Model接口，指定要訓練的神經網絡模型和相關的訓練設置，對神經網絡模型進行訓練，通過Profiler接口調試神經網絡性能。
Medium-Level Python API
第二層為中階API，其封裝了低階API，提供網絡層、優化器、損失函數等模塊，用戶可通過中階API靈活構建神經網絡和控制執行流程，快速實現模型算法邏輯。例如用戶可調用Cell接口構建神經網絡模型和計算邏輯，通過使用Loss模塊和Optimizer接口為神經網絡模型添加損失函數和優化方式，利用Dataset模塊對數據進行處理以供模型的訓練和推導使用。
Low-Level Python API
第三層為低階API，主要包括張量定義、基礎算子、自動微分等模塊，用戶可使用低階API輕松實現張量定義和求導計算。例如用戶可通過Tensor接口自定義張量，使用ops.composite模塊下的GradOperation算子計算函數在指定處的導數。
昇騰計算，是基于昇騰系列處理器構建的全棧AI計算基礎設施及應用，包括昇騰Ascend系列芯片、Atlas系列硬件、CANN芯片使能、MindSpore AI框架、ModelArts、MindX應用使能等。
華為Atlas人工智能計算解決方案，是基于昇騰系列AI處理器，通過模塊、板卡、小站、服務器、集群等豐富的產品形態，打造面向“端、邊、云”的全場景AI基礎設施方案，涵蓋數據中心解決方案、智能邊緣解決方案，覆蓋深度學習領域推理和訓練全流程。
昇騰AI全棧如下圖所示：
下面簡單介紹每個模塊的作用：
Atlas系列產品：提供AI訓練、推理卡及訓練服務器（了解更多）。
CANN（異構計算架構）：芯片使能、驅動層（了解更多）。
MindSpore（AI框架）：全場景AI框架（了解更多）。
MindX SDK（昇騰SDK）：行業SDK和應用解決方案（了解更多）。
ModelArts（AI開發平臺）：華為云AI開發平臺（了解更多）。
MindStudio（全流程開發工具鏈）：AI全流程開發IDE（了解更多）。
詳細信息請點擊華為昇騰官網。
歡迎每一個開發者都參與到昇思MindSpore的社區里，為全場景AI框架昇思MindSpore添磚加瓦！
昇思MindSpore 官網：可以全方位了解昇思MindSpore，包括安裝、教程、文檔、社區、資源下載和資訊欄目等（了解更多）。
昇思MindSpore 代碼：
MindSpore Gitee：2020年Gitee千萬開源項目中Gitee指數TOP1項目，一鍵三連（Watch/Star/Fork）即可隨時跟蹤MindSpore最新進展，參與issues討論、提交代碼！
MindSpore Github：Gitee的MindSpore代碼鏡像，習慣用github的開發者可以在這里進行MindSpore的學習，查看最新代碼實現！
昇思MindSpore 論壇：我們努力地服務好每一個開發者，在昇思MindSpore無論是入門開發者還是高手大咖都能找到知音，共同學習，共同成長！（了解更多）
