MSAdapter:面向异构AI算力的深度学习框架代码高效转换工具

深度学习框架及AI芯片作为人工智能的基础设施,促进着人工智能的高速发展,为各行业在人工智能产业落地上发挥着至关重要的作用。在AI芯片多样化、深度学习框架多样化的人工智能生态下,如何发挥AI芯片高效计算性能变得极其重要。本文提出了MSAdapter,一款面向异构AI算力的深度学习代码高效转换工具。它以分层解耦的思路设计了前后端分离式整体架构,前端以PyTorch接口为标准,后端封装了MindSpore实现,在不改变用户框架使用习惯的情况下,解决了从PyTorch代码到MindSpore代码的转换,辅助用户获得深度学习框架最佳匹配的AI芯片算力。