本文介绍了MindSporeHub预训练模型平台的核心功能和使用方法。MindSporeHub提供"开箱即用"的预训练模型，包含网络结构和训练好的权重，相比ModelZoo更侧重快速应用而非二次开发。通过mindspore_hub.load()API可一键加载模型，文中以GoogleNet图像分类为例演示了完整流程。此外还介绍了模型微调技术，展示了如何基于预训练MobileNe

MindSpore ModelZoo是华为官方维护的AI模型资源库，包含计算机视觉、自然语言处理等领域的经典和前沿模型实现。该资源库提供完整的解决方案，包括代码、预训练权重、配置文件和详细教程。通过ModelZoo，开发者可以快速复现模型、获取基准性能、进行二次开发，并学习MindSpore最佳实践。使用流程包括查阅文档、准备环境数据、修改配置文件和运行训练/评估脚本。ModelZoo能显著提升开

MindSpore快速对Wan2.1进行适配，并将其开源至MindSpore ONE仓库，结合昇腾硬件，为开发者提供高效体验。在AI视频生成领域，Wan2.1作为最新的视觉生成模型，能够根据文本、图像或其他控制信号生成视频，以其卓越表现备受关注。可自定义prompt，生成480P个性化视频，通过调小sample_guide_scale参数增强视频画面质量，或者调大该参数以增强视频-文本匹配程度。支

在mindspore-1.6版本之后，mindspore对使用者的GPU显卡进行了算力识别，如使用者的GPU算力小于5.3，会有相应的日志提醒。由于是算力由硬件设备决定，暂无法通过软件方式规避，因此直接的解决方式是升级显卡设备。或者使用CPU设备进行mindspore的使用。一般是因为当前使用的GPU设备算力不够引起。当前mindspore限制显卡算力为最低5.3，显卡算力的可在Nivida官网查

无论是基于MindSpore的DeepSeek项目，还是开发「AI健身教练」「智能垃圾分类」等接地气项目，只要技术够硬，统统来战！海量与训练模型支持、全面的数据处理、友好的NLP模型工具集、易用的API、对接HuggingFace生态，顺应科研/开发者使用习惯。本任务邀请社区开发者参与模型迁移挑战，将指定模型基于MindSpore NLP套件进行模型权重迁移，并上传至魔乐社区和大模型平台，共同丰富

Step-Video-T2V 在文生视频质量评估 benchmark Step-Video-T2V-Eval（https://github.com/stepfun-ai/Step-Video-T2V/blob/main/benchmark/Step-Video-T2V-Eval）上，相比其他开源和或商业模型展示出 SoTA 能力。权重可从以下链接获取，按需选择原始模型或蒸馏模型，下载后放到 /pa

作为本次大会重要的一环，SIG Gathering吸引了众多开发者的关注。其中，《MindSpore开发体验与易用性提升》专题围绕提升易用性和开发者体验的角度，开发者们对大模型时代AI框架在提升模型开发与调试调优效率方面的发展趋势、挑战和应对展开深入的讨论，现场气氛热烈。昇思MindSpore开发者李玲瑶、许凡瑾为大家分享了面对数字信号处理应用开发的挑战，基于MindSpore打造融合AI与信号处

为进一步提升业务模型推理性能，针对AI生成式算法模型结构，昇思MindSpore通过构建自动图结构融合优化能力，将模型中Attention结构的小算子结合成昇腾硬件支持的PromptFlashAttention大算子、以及将算法中的GroupNorm算子与激活算子融合成GroupNormSilu大算子，出图效率提升20%。MindSpore联合业务深入优化部署方案，通过使能图编译缓存能力，业务在部

西安电子科技大学坚持以教育信息化支撑引领教育现代化，利用现代信息技术推动学校环境构建、资源供给、教学模式、评价改革、培训体系、治理服务等方面创新发展，通过“新环境”“新资源”“新教学”“新评价”“新培训”“新治理”等“六新”建设，探索“人工智能+教育”的新模式、新技术、新方法，努力推动学校事业高质量发展。教育数字化是利用信息技术推动教育创新，促进教育结构重组、流程再造、程序重构，转换教育发展的动力

摘要：华为开源的MindSpore框架通过系统性重构AI开发范式，提出"新编程范式、新执行模式、新开发生态"三大创新。其基于源码转换的AI原生编程支持函数式与面向对象统一，实现自动微分与优化；动静统一的执行模式结合JIT编译与图算融合技术，支持全场景部署；革命性的全自动并行能力大幅降低大模型训练门槛；同时拓展至科学智能领域，支持微分方程求解与AI+HPC融合计算。MindSpo