问题现象使用订阅算法物体检测YOLOv3_ResNet18(Ascend) 新版训练失败报错label_map.pbtxt cannot be found。原因分析该报错信息表示验证集中有label在训练集中不存在，可能由于在发布数据集版本进行数据切分时，训练集比例填写为0导致发布的数据全部为验证集，所以出现上述报错。处理方法重新发布数据，切分比例为0.8 或者0.9重新创建训练作业进行训练。

华为云AI 开发生产线ModelArts，是面向开发者的一站式 AI 平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。点击立即体验 介绍视频：  视频帮助_AI开发平台ModelArts_华为云 (huaweicloud.com)点击快速入门体验本期我们邀请了夏飞专家坐阵，和大家一起探讨关于AI开发生产线ModelArts的话题。【本期云咖】【问题参考】（不限于） 1、ModelArts作为一站式开发平台，对于开发者有哪些便捷的地方？2、ModelArts上有预置哪些主流的AI框架呢？3、ModelArts支持本地IDE连接云上计算资源进行代码调试吗？4、AI开发零基础的小白可以使用ModelArts吗？……对于ModelArts，你有哪些疑问呢？ 【活动时间】2023年8月7日-8月20日【参与方式】直接在此活动帖下方回帖提问即可。【获奖规则】优质问题奖与积极互动奖不叠加参与云咖问答的提问我们会整理在问答专题中，你的提问将会帮助更多的开发者~欢迎大家踊跃提问，积极互动~【活动规则】1、开发者用户发布的提问，仅限于本期产品，本期不涉及盘古大模型的讨论，其他产品求助帖不参与此次活动，将视为无效内容，否则取消该用户获奖资格。（其他产品求助可发帖到相应的版块进行提问）；2、本次活动不限用户的总提问数及连续提问数，但需保证提问质量，如华为云社区小编认定参与用户有恶意灌水嫌疑，则取消该用户获奖资格；3、本次活动将根据实际参与情况发放奖励，包括但不限于用户百分之百中奖或奖项轮空的情况；以上奖品均为实物奖品，具体发放视出库情况而定； 4、每期活动预计于结束后七天内完成奖项公示，并于结束后15个工作日内完成邮寄。【温馨提示】1、请务必使用个人实名账号参与活动（IAM、企业账号等账号参与无效）。如一个实名认证对应多个账号，只有一个账号可领取奖励，若同一账号填写多个不同收件人或不同账号填写同一收件人，均不予发放奖励。2、所有获得奖品的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。

有人体验过盘古大模型吗？跟chatGPT比咋样？最关键的是企业内网部署的话，训练学习内部数据的效果咋样？我试过gpt+向量数据库、还有国产开源大模型+lora，微调效果令人堪忧（经常回答成另一个训练集的答案，或者乱答）。但是未经微调的，回答日常问题还是不错的，不知道华为云的盘古咋样，有人对比过吗？微调训练自己的数据，有成功上线的小伙伴么

AI大模型是指拥有巨大参数数量的人工智能模型，通常用于进行深度学习任务，特别是在自然语言处理（NLP）和计算机视觉（CV）等领域。这些模型采用深度神经网络架构，其庞大的规模赋予它们强大的表示能力和学习能力。大模型通常需要在大规模数据集上进行训练，并具有出色的泛化能力，可以在各种不同任务上取得卓越的性能。在自然语言处理领域，一些著名的AI大模型包括：GPT-3（Generative Pre-trained Transformer-3）：由OpenAI开发，拥有1750亿个参数，是迄今为止最大的预训练语言模型。GPT-3具有强大的自然语言生成能力，可以进行文本生成、对话、翻译等任务。BERT（Bidirectional Encoder Representations from Transformers）：由Google开发，拥有1.1亿个参数。BERT引入了双向上下文理解，使得它在理解语境方面表现优异，适用于词义消歧、情感分析等任务。XLNet：由谷歌与卡内基梅隆大学合作开发，拥有1.8亿个参数。XLNet在GPT-2的基础上引入了"排列注意力"机制，解决了GPT-2中的自回归问题，使其在许多任务上表现更好。国内的大模型现在有盘古AI大模型、文言一心、通义千问等，都是非常不错的。在计算机视觉领域，一些著名的AI大模型包括：VGG-16和VGG-19：由Visual Geometry Group开发，拥有1.38亿和1.44亿个参数。VGG模型是深度卷积神经网络的里程碑之一，用于图像分类和物体检测。ResNet（Residual Network）：由微软研究院开发，拥有超过1亿个参数。ResNet采用残差学习结构，解决了深层神经网络中的梯度消失问题，使得更深的网络可以训练并取得更好的性能。这些AI大模型之所以强大，是因为它们能够在庞大的数据集上进行预训练，学习到丰富的语言和图像表示。通过预训练得到的参数，这些模型可以用于解决各种具体的任务。此外，AI大模型也需要强大的计算资源和高度优化的训练算法，以便有效地学习和调整大量参数。然而，AI大模型也面临一些挑战，例如训练时间和资源消耗较大，部署和推理时需要更高的计算性能。为了解决这些问题，研究人员和工程师们不断改进模型架构和训练技术，以使AI大模型更加高效和实用。

MoXing Framework模块为MoXing提供基础公共组件，例如访问华为云的OBS服务，和具体的AI引擎解耦，在ModelArts支持的所有AI引擎(TensorFlow、MXNet、PyTorch、MindSpore等)下均可以使用。目前，提供的MoXing Framework功能中主要包含操作OBS组件，即下文中描述的mox.file接口。OBS服务是一个基于对象的海量存储服务，无法通过像访问unix本地文件系统那样访问OBS上的文件，必须通过网络请求读写文件。为了在ModelArts服务中，更便捷的访问OBS目录，建议通过MoXing Framework（mox.file）对OBS目录进行操作。Python打开一个本地文件with open('/tmp/a.txt', 'r') as f:  print(f.read())OBS目录通常以“obs://”开头，比如“obs://bucket/XXX.txt”。用户无法直接使用open方法打开OBS文件，上面描述的打开本地文件的代码将会报错。OBS提供了很多方式和工具给用户使用，如SDK、API、console、OBS Browser等，ModelArts mox.file提供了一套更为方便的访问OBS的API，允许用户通过一系列模仿操作本地文件系统的API来操作OBS文件。例如，可以使用以下代码来打开一个OBS上的文件。import moxing as moxwith mox.file.File('obs://bucket_name/a.txt', 'r') as f:  print(f.read())列举一个本地路径会使用如下Python代码。import osos.listdir('/tmp/my_dir/')列举一个OBS路径，mox.file则需要如下代码：import moxing as moxmox.file.list_directory('obs://bucket_name/my_dir/')

“2023华为产品测评官- 开发者之声”活动已经开展近一个月的时间，吸引了众多开发者和技术爱好者的热情参与。在这场奇妙的产品之旅中，大家一起积极探索云技术的无限可能。作为测评产品之一，华为云ModelArts收到了许多有价值的使用反馈和测评报告。这是对我们工作的鼓励和认可，也激励我们不断进步，为开发者提供更好的服务和支持。为了更好的了解您对产品的使用体验和建议，我们发起华为云ModelArts征文活动，邀您展开说说。我们相信，您的真实使用感受和宝贵建议将让我们更加贴近开发者，更加深刻地理解开发者的需求。更重要的是，您的投稿还将收获更多开发者的关注和共鸣，为中国云技术的发展做出贡献！了解“华为产品测评官－开发者之声” ：cid:link_1 一、征文活动内容活动一：参与“华为产品测评官－开发者之声”活动中关于华为云ModelArts产品体验，在本活动帖评论区参与互动，输出您对ModelArts产品建议或活动体验，评论点赞前三将获得ModelArts定制Polo衫。活动二：围绕华为云AI平台ModelArts，发布原创教程、技术分享、行业分析、产品体验等相关文章。ModelArts使用流程 ：ModelArts使用简介_AI开发平台ModelArts_快速入门_华为云 (huaweicloud.com)征文主题：可包含以下内容但不局限1）技术干货：介绍ModelArts的场景优势及具体操作流程，分享使用ModelArts的实战经验、应用技巧或成功案例；2）故障解决经验：使用ModelArts过程中解决的问题。需包含以下三点：问题现象、原因分析、处理方法；3）畅所欲言：后续会用ModelArts平台完成哪些工作，Ta怎样融入你的工作/学习、生活。在产品使用过程中，有哪些感悟与心得。文章要求：1.标题格式：2023华为产品测评官－开发者之声 + 自拟标题；2.文字不少于1000字（不包含代码串），需符合征稿主题、符合法律法规的原创文章；3.内容结构完整（活动介绍、产品体验过程、整体总结或建议等）；4.要求语句通顺、文章逻辑清晰、排版整洁、代码规范，尽量图文并茂（有技术架构图或者分析图等做支撑）。5.发布方式：先在CSDN发布博客后，再于本活动帖评论区留言CSDN博客文章地址。二、奖项设置：参与活动一：评论点赞前三名ModelArts定制Polo衫1件参与活动二：文章综合得分前二十名，依次获得以下礼品：评分规则：阅读量*30% + 评论量*20% + 专家评审（由华为云与CSDN共同评分）文章质量50%一等奖 3名：华为智能体脂秤WiFi版 二等奖 5名：开发者定制双肩包 三等奖 5名：CSDN定制飞盘四等奖 7名：CSDN定制棒球帽三、活动时间活动截止时间：2023年8月15日相关参考：华为云ModelArts平台 cid:link_3华为云ModelArts快速入门文档cid:link_0华为云ModelArts开发平台资产集市AI Gallery cid:link_2

盘古大模型什么时候能开放给开发者用？

沙盒实验界面没有script文件，我看了桌面只有Xfce、谷歌、data文件夹。导致后面60%的实验都不能进行下去。请问这种情况怎么处理？

AIGC（生成式AI），正掀起人工智能新一波巨浪，重塑各行各业。围绕AIGC技术，金域医学携手华为云等举办2023“域见杯”医检人工智能开发者大赛，6月21日重磅开启，探索AIGC新范式！2022年首届“域见杯”成功吸引海内外405支队伍参赛引爆医检人工智能领域2023年6月2023“域见杯”精彩再现6月21日报名通道正式开启未来已来医检AIGC未来等你开创了解更多华为云AI平台ModelArts：cid:link_0ModelArts 是面向开发者的一站式 AI 平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。

人工智能与大模型开发迎来“新风口”，AIGC（生成式AI）技术正在重构各行各业。为培养交叉复合型人才，构建智慧医检新范式，汇聚医检生态合作伙伴，6月27日，由广州市科学技术局、广州市工业和信息化局指导，广州金域医学检验集团股份有限公司和广东省人工智能产业协会主办，广州人工智能公共算力中心协办，华为云计算技术有限公司提供技术支持的2023“域见杯”医检人工智能开发者大赛正式启动。▲2023“域见杯”医检人工智能开发者大赛正式启动大赛依托海量医检文本数据，从应用场景需求出发，围绕检前临床咨询和检后报告解读场景设置双赛题，吸引全球初创企业、IT巨头、高等院校、科研院所等多领域、多层次的团队及个人开发者同场PK。大赛最终将决出两个一等奖，每支队伍可获得10万元奖金。▲广州市科技局党组成员、总工程师林焕绪致辞广州市科技局党组成员、总工程师林焕绪表示：“广州着眼于打造我国人工智能技术创新、应用示范和产业发展高地。金域医学举办的‘域见杯’为行业打造智慧医检创新生态进行了有益尝试与突破。这也是‘产业界出题、科技界答题’的有力抓手。我相信，大赛举办将成为建设广州市医学人工智能交叉领域的应用场景示范。”▲金域医学董事长兼首席执行官梁耀铭致辞“医检AIGC的开发与应用是大势所趋。”金域医学董事长兼首席执行官梁耀铭表示，“通过举办本次大赛，我们希望能够凝聚医检生态伙伴之力，共同探索生物技术与新一代信息技术融合创新的应用场景，着力培养一批技术、产业的交叉复合型人才，让疾病诊断更加高效可及，共同将‘域见杯’打造成广州市、广东省乃至全国医检人工智能领域的一张名片。”▶聚焦真实应用场景，大赛首次设置双赛题作为广东省新一代人工智能开放创新平台的承建单位，金域医学早已在医检AIGC领域有所布局。目前已建立起标准报告语言规范及高质量专病数据库，并利用预训练模型在医学文本实体抽取、病理报告结构化等领域开展探索与应用。为探索AIGC在医检领域应用的更多可能，2023“域见杯”医检人工智能开发者大赛，设置“智能临床咨询模型”“智能染色体核型分析结果解读模型”双赛题。据了解，金域医学每年完成检测项目临床咨询量达17.6万条，完成用于染色体核型分析的细胞遗传染色体标本量超40万例。本次赛题中提到的智能临床咨询模型，主要为临床医生医检项目决策提供多维度、个性化辅助支持；智能染色体核型分析结果解读模型，主要生成便于医生理解的结果解释，为部分遗传病的结果判读提速，缩短报告出具时间。作为大赛的技术支持方，华为云也将依托盘古基础大模型，提供NLP（自然语言处理）方向的技术服务，帮助开发者们开发出优秀的模型。▲华为云大数据与人工智能领域总经理尤鹏致辞华为云大数据与人工智能领域总经理尤鹏表示：“华为云持续在AI领域投入研发资源，从通用大模型到垂直行业应用大模型开发，始终坚持AI for Industries方向。本次大赛以当前医检业务的真实场景为题目，向全社会征集解决方案，有助于开发出优秀的模型和解决方案，加速大模型在医检行业场景应用落地探索。我们将携手金域医学，一同助力医检行业向智慧医疗迈进，探索符合产业发展的新思路和新方案。”▲金域医学高级副总裁于世辉为田奇教授（左一）和陈俊龙教授（右一）颁发评委会主席聘书本届大赛还特别邀请华为云人工智能领域首席科学家、国家欧亚科学院院士田奇教授，华南理工大学计算机科学与工程学院院长、欧洲科学院外籍院士陈俊龙教授担任评委会主席。据了解，初赛于6月27日正式开启。每道赛题前25名将进入复赛，并分别决出6名参加决赛，角逐最高荣誉。每个赛题的获胜者不仅最高可得10万元奖金，更有机会赢得入职金域医学的offer直通车、创投机会等诸多奖励。▶构建智慧医检生态，金域数字化转型工作提速金域医学大赛项目组总监兼自然语言处理算法总监刘斯分享“从启动数字化转型工作至今，金域的智慧医检建设工作已经取得初步成效。”据金域医学副总裁李映华介绍，金域医学在自然语言处理、计算机视觉、多模态AI和大数据应用等方面进行建设，相继开发出宫颈细胞学AI辅筛、新生儿遗传代谢病辅助诊断、淋巴瘤基因分型预测模型、智慧报告解读系统、病原学大数据监测网等；依托广东省临床检验与病理诊断人工智能开放创新平台，实现了“政产学研金用”智慧医检生态共建。去年，金域医学举办首届“域见杯”医检人工智能开发者大赛。赛事吸引了全球405支参赛队伍，提交超过5000件作品，引爆医检行业，为探索医检AI真实应用场景落地带来极大的启发。今年，金域医学依托每年超1.5亿例的检测量，超7PB的总数据量，从当前的前沿技术研究热点出发，再次汇聚全球伙伴加速推动医检AIGC落地应用。数字化已成为当前推进企业高质量发展的重要引擎，也是构筑企业竞争新优势的重要支撑。金域医学将把握AIGC“新风口”，进一步提速数字化转型工作，以大样本和大数据为基础，协同合作伙伴开发出医检大模型，作为新引擎推动医检新基建，助力广州抢占国内乃至全球智慧医检发展制高点。未来，金域医学将汇聚医检生态合作伙伴，利用人工智能算法辅助医生找到最优的治疗方案，重构医检产业价值，实现智慧医检生态共创、共享、共赢，让患者享受到“多、快、好、省”的医检服务。了解更多华为云AI平台ModelArts：cid:link_0ModelArts 是面向开发者的一站式 AI 平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。

问题现象ModelArts训练作业出现如下报错：Encountered Unknown Error EntityTooLargeYour proposed upload exceeds the maximum allowed object size.:If the signature check failed. This could be because of a time skew. Attempting to adjust the signer原因分析OBS限制单次上传文件大小为5GB，TensorFlow保存summary可能是本地缓存，在每次触发flush时将该summary文件覆盖OBS上的原文件。当超过5GB后，由于达到了OBS单次导入文件大小的上限，导致无法继续写入。处理方法如果在运行训练作业的过程中出现该问题，建议处理方法如下：推荐使用本地缓存的方式来解决，使用如下方法：import moxing.tensorflow as moxmox.cache()

MindStudio是一款由微软开发的AI开发平台，它提供了一整套的工具和平台，帮助开发者创建和部署AI应用。以下是一些关于MindStudio的详细介绍：集成开发环境（IDE）：MindStudio提供了一个基于Web的集成开发环境（IDE），开发者可以在此环境中编写、调试和测试AI应用。同时，MindStudio还支持各种主流编程语言，如Python、C++等。模型训练：MindStudio提供了各种模型训练工具和算法，包括深度学习框架、优化器、损失函数等。开发者可以使用这些工具和算法来训练自己的模型，并使用MindStudio提供的可视化工具来监视模型训练的过程。模型评估：MindStudio提供了一些模型评估工具和指标，包括准确率、精度、召回率等。开发者可以使用这些工具和指标来评估模型的性能和可靠性，并确定模型是否可以用于实际应用。部署与集成：MindStudio提供了多种部署和集成选项，包括云部署、本地部署、容器化等。开发者可以根据实际需求选择最适合的部署和集成方式，并将MindStudio集成到自己的应用程序中。数据管理：MindStudio提供了一些数据管理工具和功能，包括数据集管理、数据标签、数据标注等。开发者可以使用这些工具来处理和管理数据，并使用MindStudio提供的数据可视化工具来查看和分析数据。总的来说，MindStudio是一个功能强大、易于使用、集成全面的AI开发平台，适用于各种类型的AI应用。无论是初学者还是专业人士，都可以使用MindStudio来创建和部署AI应用。

PyTorch是一个由Facebook开发的开源机器学习库，也是一个用于构建深度学习模型的动态图框架。以下是一些关于PyTorch的详细介绍：动态图模式：PyTorch使用动态图模式，这意味着在构建神经网络时，计算图是在运行时构建的，而不是在编译时。这种动态图模式使得开发更加灵活和易于理解，也让调试更加方便。张量计算：PyTorch中的基本数据类型是张量(Tensor)，它支持各种张量操作，如切片、旋转、缩放、变形等。这些操作可以用于构建深度学习模型的基本构建块，如卷积神经网络、循环神经网络等。优化器：PyTorch提供了各种优化器，如随机梯度下降(SGD)、Adam等，可以用于训练深度学习模型。这些优化器可以帮助我们在训练过程中更新模型参数，从而提高模型的性能。损失函数：PyTorch提供了各种损失函数，如均方误差(MSE)、交叉熵损失等，可以用于评估模型的性能。这些损失函数可以帮助我们在训练过程中衡量模型的预测结果与实际结果之间的差异。强大的GPU支持：PyTorch支持GPU加速，这使得训练深度学习模型更加快速和高效。PyTorch的GPU支持通过使用CUDA、cuDNN等库来实现。社区支持：PyTorch有一个活跃的社区，有许多开发者、研究人员和使用者共享他们的经验和知识。这个社区支持可以通过论坛、博客、社交媒体等方式获得。总的来说，PyTorch是一个功能强大、灵活、易于使用的深度学习框架，适用于各种应用，如图像识别、自然语言处理、推荐系统等。无论是初学者还是专业人士，都可以使用PyTorch来构建和训练深度学习模型。

TensorFlow的主要特点包括：灵活的语法和API：TensorFlow提供了一种简单而灵活的语法和API，使得用户可以轻松地创建和训练深度学习模型，无论是传统的神经网络还是最新的模型，都可以使用TensorFlow实现。多平台支持：TensorFlow支持多种硬件和平台，包括CPU、GPU、TPU等，并且可以在不同的操作系统上运行，例如Windows、Linux、macOS等。分布式训练：TensorFlow支持分布式训练，可以在多个机器上分布计算任务的多个部分，从而提高训练速度和效率。可扩展性：TensorFlow可以扩展到大规模数据集和模型，并且可以通过使用TensorFlow Reescale和TensorFlow Extended（TFX）来实现自动化机器学习（AutoML）。社区支持：TensorFlow拥有庞大的社区支持，包括Google工程师和其他开发者，可以在Stack Overflow、GitHub等平台上获得帮助。TensorFlow是一个由Google开发的深度学习框架，它提供了一个方便的工具来创建和训练深度学习模型，并可以在各种硬件和平台上运行。动态图模式和静态图模式：TensorFlow支持两种图模式，即动态图模式和静态图模式。动态图模式允许在运行时构建计算图，而静态图模式需要在编译时构建计算图。动态图模式可以更加灵活地构建模型，而静态图模式可以更加高效地执行模型。张量操作：TensorFlow提供了许多张量操作，例如矩阵乘法、卷积、池化等。这些操作可以用于创建深度学习模型的基本构建块。此外，TensorFlow还支持自定义张量操作，可以根据具体的需求自定义张量操作。模型训练：TensorFlow提供了一个内置的优化器，可以用于训练深度学习模型。它还提供了一些损失函数和评估指标，例如均方误差、准确率等，可以用于评估模型的性能。TensorFlow还支持分布式计算，可以将模型分布在多个计算机上进行训练，从而提高训练效率。可视化工具：TensorFlow提供了一些可视化工具，例如TensorBoard，可以用于监视模型的训练过程、查看训练数据、可视化模型结构等。这些工具可以帮助开发者更好地理解和调试模型。语言支持：除了Python，TensorFlow还支持Java、C++等语言。这使得开发者可以使用自己熟悉的语言来创建和训练深度学习模型。总之，TensorFlow是一个强大而灵活的深度学习框架，可以帮助用户创建各种深度学习模型，并且可以在各种硬件和平台上运行，具有广泛的应用前景。

6月份人工智能整理了如下干货合集：1. AI开发平台ModelArts新功能6月份的没有新功能上线，因为5月份已经上线了挺多新功能。2. 人工智能相关直播合集6月份的大会直播还是比较丰富的。共享技术盛宴：华为开发者联创日-深圳站联创日主要是围绕AI技术领域，包括AI技术趋势解读、行业应用实践解析等等。第一个演讲是关于金融科技的，FIRST。第二个演讲是关于大模型的发展和演进的，这个讲的挺好，值得一看。比如提示工程：关于大模型的正确打开方式。你要是打开方式不正确，可能就得不到自己想要的效果。也就是说，本来是个好东西的，不会用的人，可能就发挥不出它的好处。第三个演讲是夏飞老师来讲的，脱稿，挺不错，主要是讲的文生图的AI方向，即AIGC、内容创作方面。当然少不了华为云ModelArts AIGC体验案例的分享。包括云原生Notebook一键运行--ControlNet涂鸦生图、Instruct-pix2pix文字编辑图片。第四个演讲是关于昇腾的：昇腾CANN调优引擎夯实AI网络性能底座，释放昇腾澎湃算力。第五个演讲是关于Harmony的，如何通过 IoT+OpenHarmony 方案打造极致万物互联的新时代。华为云 IoT 把 IoT SDK 开源至 OpenHarmony，使用 OpenHarmony 加载 IoT 组件，并提供 OpenHarmony L0/L1/L2版本联云的功能，这意味着物联网设备开发者调用2个接口即可实现设备上鸿就上云。第六个演讲是关于大模型中的协助编码能力、大模型与研发工具的结合。介绍了CodeArts Snap智能编程助手如何协助编程。第七个演讲是一个使用ModelArts的应用案例介绍：对恶性皮肤肿瘤诊断系统的智慧升级，可以大幅缩短诊断时间，提升诊断准确度。而且使用简便，使用一个鸿蒙APP或其他网页方式就可以使用。该演讲者也是2022华为开发者大赛-最佳学生团队成员。人工智能框架生态峰会2023峰会提出了“共建人工智能框架生态，繁荣中国人工智能产业”的倡议，举行了上海昇思AI框架&大模型创新中心启动暨伙伴入驻仪式。举行了国家全民数字素养与技能培训基地授牌仪式，举行了昇思MindSpore开源社区理事会成立仪式，并举行了昇思MindSpore开源社区技术委员会专家聘请仪式（12位专家）。至此仪式就举行完了。下面是嘉宾演讲。第一个演讲是：从微观分子到地球生态：AI加速水分子奥秘探索。演讲者是研究计算化学的，演讲听起来也很有意思。水确实是一个很奇妙的物质。不过有些瑕疵的是，这个演讲时间严重超时了....第二个演讲是：紫东.太初2.0：基于昇思的全球首个全模态大模型。“紫东.太初”大模型一开始就是沿着多模态的技术路线在进行，通过这个演讲学到了不少新的知识。特别是，通过文本描述，和少量的图像打标签，可以让大模型学习到压实线的交通违规，让人印象深刻。而且我也感觉到，与chatGPT大出风头相比，国内的大模型在技术路线上并不差，甚至更先进。并且与实体经济、社会治理结合的更紧密。第三个演讲是：凝心聚力，共建AI框架开源新生态。主要介绍AI框架MindSpore2.0的各种功能和特性，生态建设等。第四个演讲是：开放、融合、共享，以大算力赋能AI产业生态。介绍了AI的性能测试行业标准：MLPerf；OAM Open acceleration Module等。第五个演讲是：云从携手昇思联创 打造AI自主方案。讲人机协同操作系统。案例：智慧机场。第六个演讲是：电力行业加速推动人工智能生态建设。对于飞无人机巡检拍图，AI看图，用电的AI预测等，很有电网的特色。其他的如客服、财务等领域的AI应用，就不太有行业特色，因为其他大企业应该是通用的。说到算子，国产的比NVIDIA还是要少一些，通过赛马的方式来加速开发。第七个演讲是：新时代的AI框架：昇思2.0全新技术升级。比如各种AI领域的开发套件，动静统一（动态图和静态图）、pytorch到mindspore的迁移支持、大模型套件、合作很多，大模型能力非常完整了。第八个演讲是：科技赋能产教融合，开创人工智能人才培养新模式。讲产教融合的。然后是：昇思MindSpore开源社区卓越贡献者颁奖，奖励了3个做出价值的团队、以及一些个人贡献者。以上是主论坛。还有TechDay，和各专题论坛。内容简直不要太丰富。感兴趣的可以去看：https://new.mindspore.cn/zh/summit/summit2023/