六大主题报告，四大技术专题，AI开发者大会首日精华内容全回顾(11)_图1

与传统基于张量 (Tensor) 的神经网络相比，图神经网络将图 (Graph) 作为输入，从而学习和推演图中节点之间的关系，该方法已被证明在许多场景可以取得很好的效果。然而，使用传统的深度学习框架（比如 TensorFlow、Pytorch、MXNet）并不能方便地进行图神经网络的开发和训练，而 DGL 作为专门面向图神经网络的框架，可以很好地弥补这一缺陷。由此，马超从 API、系统优化、可扩展性等多个维度深入分享如何使用 DGL 进行大规模神经网络的开发和训练。

小米深度学习框架负责人何亮亮

何亮亮向开发者们详细介绍了MACE开源深度学习框架的设计思路、优化方法以及典型应用案例。这将帮助开发者了解移动端深度学习框架的原理和特点，以及端侧深度学习应用的落地关键技术和实践，助力开发者更高效地开发端侧人工智能应用。

华为MindSpore资深架构师于璠

AI行业研究到全场景应用存在巨大鸿沟，开发门槛高、运营成本高、部署时间长的业界挑战；新编程范式、新执行模式、新协作方式的技术创新，促使着MindSpore跨越应用鸿沟，助力普惠AI。于璠详细介绍了MindSpore的设计理念，第一，新编程范式，AI算法即代码，降低AI 开发门槛；第二，新执行模式，Ascend Natave的执行引擎；第三，全场景按需协同，更好的资源效率和隐私保护。