4 月 26 日，機器之心聯合華為昇騰學院開設的線上公開課《輕鬆上手開源框架 MindSpore》第二課完成，GraphEngine 高級工程師王俊為大家帶來了主題分享《MindSpore 中 GraphEngine 淺析》。
第二課精選問答
在第二課的 QA 環節中，有一些問題被大家廣泛提到，王俊講師再次做了精選與編輯，供大家參考。
Q1：循環下沉是什麼？
循環下沉是在on-device執行的基礎上更進一步的一個技巧，意圖進一步建校host側和device側之間的交互次數。一般情況下，我們習慣於每個step都返回一個結果，循環下沉是控制每隔多少個step返回一次結果，缺省的配置是一個epoch返回一次結果，這樣每個epoch裡，host側和device側只需要進行一次數據交互即可。
Q2:FusionOP是定義在device上麼？
FusionOP對應的具體算子是有其算子實現的，存儲在算子信息庫中，融合出fusionOP的過程是在host側的CPU上完成，運行此FusionOP是在device上。
Q3:profiling只能在昇騰上用嗎？
只能在升騰上使用。
Q4:profiling有op的開始時間嗎？
profiling是記錄下op開始和結束的時間，以此計算算子耗時。
Q5：數據dump是能dump出來什麼數據呀
通過配置可以dump出任何存在在網絡中的數據，每一個算子的輸入輸出，每一個parameter的值和梯度都可以被dump下來。
Q6: 910支持推理嗎？支持多少op呢
910支持訓練及推理，310只支持推理。目前我們的算子信息庫已經相對完善，常用的op基本都已支持，如果有自定義算子的需求，我們提供了TBE工具來支持用戶自定義算子的開發。
Q7:算子在不同的加速器上的調度策略什麼？
在圖準備階段會根據代價函數進行算子引擎分配，在流分配階段也會充分考慮不同算子之間的並行計算可能，具體指定每個算子的執行引擎。
Q8: GE是mindspore中和硬件交互的
是的，GE專門負責和Ascend芯片交互。
Q9:310不能做訓練麼？
310只能做推理，MindSpore訓練好後的模型，將其固化為pb格式後，可以部署到310芯片上進行推理。
Q10:如何自定義升騰芯片支持的op呢？
提供了Tensor Boost Engine這個工具來支持自定義op。Ascend芯片的算子需要用一種cce格式的代碼編寫，需要顯式指定內存搬運操作，極為複雜，使用tbe工具，只需調用其python接口完成算子邏輯定義，即可生成可運行在Ascend上的自定義算子。
大家後續如有更多問題，歡迎關注 MindSpore 的gitee和github，隨時提 issue，官方人員將及時為大家解答：
- Gitee：https://gitee.com/mindspore
- GitHub：https://github.com/mindspore-ai
第二課PPT如下：
