4月25日至26日，东南大学科学与教育创新孵化中心（第1阶段）的特殊训练营成功地在尤隆湖校园举行。该活动由Ascend Science和教育创新创新创新创新创新创新创新创新创新中心和东南大学的网络和信息中心发布。它重点介绍了关键软件和硬件解决方案，大型培训模型和推理技术，DepSek Architecture审查和侧部部署，并通过为期2天的培训营为本科，硕士和计算机医生以及东南大学的专业专业的学生提供深度技术交换平台。该活动旨在基于上升基础来促进生态派的才华的建设，并加速对大学和大学的科学研究和工业应用中的国内AI技术的实施s。 ASCEND AI全栈技术：通过软件和困难的协作实施大型模型。在第一天的过程中，Ascend的专业产品线Yang Yueyang系统地引入了用于大型培训模型和促销场景的主要软件和硬件解决方案。他建议，大型模型从训练前训练 +训练后训练，部署照明从独立的群体转移到集群，并且变化的速度和速度也得到了加速。其中，Ascend AI软件和硬件技术为技术支持提供了全面支持。在硬件级别上，全面的Atlas Server在高带宽点对点通信，液体冷水设计以及盲目的插件操作和维护中支持SSA，可以涵盖中央练习，边缘推理和并行（EP）方案的大规模专家。同时，异质计算体系结构CAN提供了基础技术，例如OPERators and Communications；在软件层面，思维孔，思维速度训练加速库，Mindie推理引擎和MindStudio Full Process链的框架，模型开发效率的显着提高。杨阳强调，通过与柔软而艰难的设计合作，Ascend为大型模型培训，工业和行业维修应用提供了高性能和高可用的技术基础。 。 Mindspeed R＆D专家Liu Zhexun回顾了三种算法大小，计算和数据功能的大型模型开发的ONESTREND和挑战，并强调，在促进计算功率需求的情况下，KIT速度是研究的主要主题。在此期间，他介绍了工业加速的当前套件状况，并专注于检查Mindspeed的技术架构：基础层取决于NPU计算的支持，并取得了跨越培训效率的飞跃y通过操作通信，优化优化的内存（副本的参数副本，付款付款）（相关订单，融合计算）NOOPLAYER负载平衡）和其他技术。最后，我们推出了三个主要套房，包括Mindspeed LLM，MM和RL。其中，LLM为大型语言模型的许多预制模型提供了支持，并提供了整个过程的工具； MM专注于动态模态模型和模块化成分，专注于高性能和模块化。 RL可以支持增强研究的研究，并提供完整的研究技能。 。 Lei Zhenzhen介绍了Mindspeed正在基于Ascend生态系统建立共享的培训框架，该培训框架可以经过良好的训练和主流模型。他还解析了模型开发的七个关键步骤，强调了与开放源框架的培训结果相同的关键点，D共享性能 - 优化技术。 Cheng Linsheng指出，Mindspeed MM是用于大规模共享实践的Asteng多模式大型套件，它也支持多模式的世代和多模式的理解。它旨在为Asteng芯片提供端到端的多模式培训解决方案，包括预装的基本行业模型，数据工程，分布式培训和加速，预培训，微调，微调，在线侵权活动和其他功能。 Mindspeed MM具有统一体系结构，完整的任务流，灵活组装和二级开发的支持，丰富的数据工程，基本室外模型以及对Mindspeed-Core加速算法的本地支持，这些算法可以实现整个多模式训练过程的加速。完整的MM Suite模型迁移开发链接，从初始模型调查到最终pperformance衰老以整洁的方式促进，模型的实际转移很方便，并且与方便的工具有关，以帮助使性能的准确性和优化保持一致。 Mindspeed MM的成就有效地促进了国内AI生态系统和多模式大型技术的促进，并为工业应用开放了新的可能性。 。专家介绍了Mindie推理引擎层次结构架构，包括ATB加速框架（在并行策略和内存管理中优化变压器），LLM组件（减少扩展阈值）和以服务为中心的支持（操作和操作工具）。在实用阶段，专家们从拉动玻璃，调整服务扩展模型的重量并讨论了热门问题，例如INT8音量和大型电视模型的准确性，从而显示了整个过程。查看对DeepSeek技术的原理和建筑的分析，专家审查了主要的创新型技术，包括DualPipe双向，MOE LOAD平衡，FP8混合精度训练，考虑效率和准确性等。随后的版本和迭代值得希望。 。通过重量体积，多机网络拓扑的优化和服务调整，该团队意识到了对Assen服务器上模型的良好认识。强调“部署需要注意版本差异，而加强研究研究的模型更适合实际的互动情况”。报告错误和视频记忆计算公式的经验IBIHAS对他的实际参考，为学生提供了实用的参考。 。开发板具有一个内置的ASCEN AI处理器，该处理器结合了动态图和静态图形以及Mindspore框架的静态框架，并支持典型的CV/NLP/NLP/NLP/NLP/侧端推理字段，用于4B以下的大型模型。传教士解释了接口转换的度量（pytorch到Mindspore），网络Verifi阳离子和性能调整，并展示了如何通过三行代码来调用JIT编译，以实现“集成培训和推动”轻量级开发。通过实用的操作，学生体验了扩展终端设备上模型和操作的整个过程。 。东南大学网络和信息中心副主任霍·扬宁（Hu Yining）得出结论：“孵化中心将被包装，并继续促进'科学研究教学行业'的封闭环节，并以本地上升的发展能力来培养复合人才。” Ascend Computing Technology Team的领导者鼓励自己为自己的构建而建立了一定的策略。作为孵化中心在人才培训中的重要技能，CAMP将继续进行。自2024年11月成立以来，该中心已与R的研究合作研究项目，以切割大学计算行业，大学计算行业，建筑系统建设和基于研究的研究系统以及研究培训系统。在这个特殊的培训营中，在学校和企业的教育中进一步建立了交流，该行业中的高质量上升升级本地人才已被出口，并有助于消耗科学科学的科学成就和实现变化。将来，该中心将继续开展相关活动，以促进人工智能技术和工业发展的发展。视频屏幕截图开始录制