本文详细介绍了在昇腾AI平台中，使用ATC工具实现ResNet50模型量化与推理部署的全流程。通过MindSpore模型训练导出、ATC量化配置、模型转换及推理部署等步骤，最终实现量化后模型推理速度提升1.8倍，内存占用降低60%。文章提供了完整的环境配置、代码实现和性能优化方案，涵盖量化配置、校准数据集准备、推理类封装等核心内容，并针对常见问题给出解决方案。所有代码均在Ubuntu 20.04、

摘要：DeepSeek-R1作为高性能开源大语言模型面临部署成本高的问题。MindSpore Transformers框架通过知识蒸馏技术，将DeepSeek-R1的推理能力迁移至轻量化学生模型。该方案采用师生训练范式，结合动态温度系数、注意力对齐等优化策略，在昇腾算力支持下实现高效蒸馏。实践表明，蒸馏后模型体积显著减小，推理延迟降低60%以上，同时保留原模型的思维链推理能力。该国产化方案为大模型

摘要：DeepSeek-R1作为高性能开源大语言模型面临部署成本高的问题。MindSpore Transformers框架通过知识蒸馏技术，将DeepSeek-R1的推理能力迁移至轻量化学生模型。该方案采用师生训练范式，结合动态温度系数、注意力对齐等优化策略，在昇腾算力支持下实现高效蒸馏。实践表明，蒸馏后模型体积显著减小，推理延迟降低60%以上，同时保留原模型的思维链推理能力。该国产化方案为大模型

如上图所示，输入模型的内存和时间信息，以及部分流水线并行性能相关的超参（如重计算对性能的影响），工具将自行构建线性规划问题，通过全局求解的方式，为大模型自动生成流水线并行中的stage-layer配比，调整各layer重计算策略，自动优化集群算力和内存利用率，降低空等时间，实现Pipeline并行分钟级策略寻优，大幅度降低性能调优成本，显著提升端到端训练性能。如下图所示，给定神经网络的计算图后，我

量子计算黑客松全国大赛连续六届的成功举办，离不开国家对量子计算领域的高度重视，离不开全国各高校和企事业单位的大力支持，也离不开广大学子和科研人员的积极参与，一幕幕精彩的定格，展现出你们对黑客松大赛的喜爱和关注，你们将成为我国量子计算的后备人才和坚实力量。以梦为马，以汗为泉，不忘初心，不负韶华。经过热身赛、初赛和决赛的激烈角逐，21个团队从国内外250多所高校中脱颖而出，集结南京大学苏州校区，参加总

昇腾AI，作为这一变革的积极参与者，深知开发者在AI产业繁荣中扮演着至关重要的角色。北京昇腾人工智能生态创新中心CTO杨光，MindSpore Quantum工程师、清华大学自动化系博士胡家祺，清华大学智能基座社团社长陈宗鸿，昇腾计算系统实验室研究员、华为“天才少年”曲铮，CANN优秀开发者、清华大学集成电路学院硕士闫世烊，MindStudio布道师贺坤坤为与会者带来了精彩的主题演讲，各开发者、学

7月初，社区分别在北京和武汉各举办了一场昇思MindSpore创新训练营，共吸引了33所高校140余名本科及研究生学员参与，通过几天的学习和实践，学员们深入探讨了人工智能和大模型前沿动态，全面了解了业界最新发展趋势，并顺利完成了各自的创新实践项目，为未来的创新之路奠定了坚实的基础。昇思MindSpore创新训练营以实际项目和业界需求为牵引，以学生实践为主线，让学生在实践的过程中学习和实践人工智能相

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

上线问界M9，支撑小艺实现全车免唤醒，听声识人；在原生支持大模型领域，基于昇思MindSpore孵化、支持的重磅大模型超过30个，包括华为云盘古大模型3.0、中科院自动化所紫东太初2.0全模态大模型、面壁智能CPM-Bee、智谱AI CodeGeex大模型、云从科技从容大模型等领先成果，部分大模型已经在金融、制造等行业发挥重要价值。昇思MindSpore开源社区联合南方电网人工智能基础设施运营中心

昇腾NPU精度调优指南：基于达芬奇架构的FP32/FP16/BF16/INT8多精度计算优化 摘要：本文针对昇腾NPU（910/310系列）在深度学习训练和推理中的精度问题，系统解析了达芬奇架构下的多精度计算特性（FP32/FP16/BF16/INT8）及误差来源，包括硬件浮点特性差异、算子实现偏差和混合精度策略缺陷。提出了五大调优方法：1）O2级自动混合精度+动态Loss Scale训练策略；2