今天去參加了一個華爲的活動。收穫頗豐。這裏做一下整理。
上午在主會場，第一個演講的是一位有視覺障礙的安卓開發工程師。對於我來說，看不見，寫代碼是難以想象的一件事情。很難想象他能堅持學習並且去做。並且還做的不錯，頓時感覺有些慚愧，對於目前的工作，我在健全的情況下並沒有做的讓自己相當滿意。他也呼籲開發者能多做一些，爲那些有殘障的人士，做一些幫助。確實應該這樣。
第二個演講的是一個98年的CTO, 後來我纔看到她16歲就考上了清華。從機械學了兩個月編程成了一個全棧開發(真的很打臉，我花了很久才做到),她後來開始做CTO, 開始管理團隊。我看到了扁平化的管理。她說之前的開發流程是瀑布流式的，她砍掉了瀑布流的方式，開始推進敏捷開發。把需求都用漫畫的方式來讓開發看，而不是上千字的文檔。這樣開發也願意看了。她也嘗試了很多。現在做的很好。她打破了我對CTO的刻板印象。我覺得CTO都是像我現在公司老大一樣。三十多歲，前後端運維都做的都挺好，能更高層次的看問題。我學到了不要給自己打標籤。不要限制自己。
第三個演講是一個十二歲的小朋友。他已經開發了好幾個app了。甚至是用華爲的AI開發平臺來開發AI產品，他嘗試去發現身邊人的問題，想辦法去解決別人的問題。其實技術就是爲了解決問題。掌握更多技術是對的，但我應該想想，我想解決什麼問題。
第四個演講是華爲的算法工程師。他本來從事金融，因爲代碼寫的很溜，後來去做城市交通。他讓主城區的消防車到達一個小區的時間，從4分半縮短到了2分半。整整兩分鐘，而這兩分鐘，就可能拯救很多生命。
中午吃飯的時候，發現了華爲活動的一個問題。他們中午發餐的時候，沒有記錄，或者做了這個，但是沒有用上。導致很多人在做活動的時候，出來了沒有飯了。我出來的還算早，所以吃到了。後來想想，活動規劃做不好，有可能會承擔很大的損失。
下午就是分會場的演講了。主要聽了兩場，其實也只能聽兩場。一個是全棧全場景的人工智能。另一個是新計算架構，華爲的鴻蒙與昇騰。第一場主要講到了mindspore框架和modelArta框架。
說這兩個框架前先說一下端邊雲。邊就是邊緣計算。端就是設備。雲就是在雲端計算。因爲未來產生的數據太多，雲計算的侷限性越來越大，而接下來主要是物聯網。但是設備處理又有延遲。因爲無法超過光速的原因，存在 帶寬的侷限性，所以引入了邊緣計算。於是端邊雲就是把互聯網上的雲，邊緣計算以及設備端的計算聯動起來，構建一個loT核心計算能力。將計算擴展到邊緣，在靠近客戶端，設備端的地方去建立計算能力，讓計算變得更近，從而讓網絡延遲變得不再成問題，這樣能更及時的做出更優的決策。同時把只需要存儲的數據上傳到雲端進行備份就可以了，這樣能避免數據繁雜。
mindspore是和tensorflow，caffe,pytouch一樣的深度學習框架。它兼容了其他的大多數框架。所以它可以先用pytouch的動態圖調試參數，可以用tensorflow的靜態圖來進行部署。它提供全場景的統一api,以及自動微分，自動並行，自動調優。以及計算圖，它支持tpu,華爲的昇騰就是tpu的。所以它是全棧的，從硬件到軟件，性能都優化到了極致。明年二月份會開源。
而modelarts就是在它之上的了。modelarts上，你可以去動態買服務器及tpu來運算，而且上面做了一些半自動標註，比如你標註50張，它能自己訓練個模型，幫你標註1500張，還比你快。你只需要快速看一下，如果不對的調整一下。不過百分之90以上的都可以直接過。然後華爲的工程師造了很多的輪子，寫了很多算子，這樣如果不是特別複雜的需求，你就可以直接用現成的，而且它會對模型進行優化，性能會特別好。而且如果是AI開發工程師，覺得算子用着不好用，也可以自己寫算子。及時不會代碼，你也能寫自己的AI項目。而且能快速部署，可視化都做的很好。
下午聽了新計算架構，華爲的鴻蒙與昇騰。這個就特別厲害了，不過參加的人不多。印象尤爲深刻的是第二個做分享的姐姐，是昇騰的架構師。講的是行雲流水，思維特別清楚。除了膜拜和讚歎，別的都不知道說啥了。。。當然她講的大數據相關的一些調試，以及鯤鵬大數據的解決方案以及大數據開源軟件實踐分享，因爲很專業，她講到hadoop的長尾效應，以及本地的計算在本地的內存上計算會很快，數據訓練別的框架1G需要3G內存，而她們通過把文件拆分，拆成6份，做了三份的校驗，保證文件不丟。也就是1G內存只用1.5G就夠了。還有很多，記得並不是很清楚，就不詳細說了。其他的老師也講的很好。我在想，我後面會去考一個華爲AI方面的認證，就明年吧。雖然工作中很少做。但是AI相關的知識還是學過的，而且這也是以後的趨勢。
這次活動看到了華爲確實厲害，而且活動都是90後組織的。看到了那麼多優秀的朋友，覺得自己欠缺的實在是太多，差距實在是很大。需要努力不拉後腿。加油！！！
算子的概念這裏查閱了一下：是將一個元素在向量空間（或模）中轉換爲另一個元素的映射，微積分的微分和不定積分都是算子。概率論中也涉及到算子，如期望、方差、協方差、階乘等。
參考:
https://mp.weixin.qq.com/s/gVloLaYGrfJFN5zeZM2Mtw
https://zh.wikipedia.org/wiki/%E7%AE%97%E5%AD%90
https://e-campaign.huawei.com/cn/Login2020/index.html
