希望参与“开源”却不知如何上手？
兢兢业业“内卷”却苦于找不到合适项目？
“社恐人”缺乏导师渠道、项目进度一筹莫展？
渴望大展技能拳脚却无用武之地？
……

不论你是有以上烦恼，还是希望锻炼自己的 AI 操作能力、丰富自身实践经验，亦或是出于对计算机技术的热爱， 2022 年春季微软实践空间站项目都等你来参加！在这里，微软资深研究员的指引、丰富的学习资源和实践机会都将助力你徜徉 AI 世界，尽情拥抱开源！

今年春季的实践空间站项目包含了来自微软亚洲研究院一线研究员准备的两个实践项目，从项目内容到豪华版导师配置，再到进阶版 GitHub 的培训；从学习课程到复现代码，再到最终完成应用设计，你将收获：
·微软最新 AI 技术
·顶级研究员的亲自指导
·志同道合、共同奋斗的朋友
·神秘微软周边礼品与定制证书
·从专业知识到实践能力的全方位提高
·……

实践空间站项目面向微软开源学习社群成员开放，可联系所在学校的微软开源学习社群并加入交流群，即可获得研究员的指导！（如何加入微软开源学习社群？详见：微软开源学习社群 | 重磅升级，一起拥抱开源！）

此外，在微软人工智能教育与学习共建社区表现优秀的个人，将有机会获得微软开源社区贡献奖和进入微软亚洲研究院实习的机会！

项目简介

项目1：AI 音乐创作

本项目为面向人工智能和音乐创作的创新性科研拓展项目，旨在通过算法和深度学习模型进行自动音乐创作。

技能要求
·学习 git/GitHub 基本操作
·使用 markdown 编写文档
·有一定的乐理和编曲基础
·熟悉 Python 等基本编程语言和深度学习框架
任务详情及预期成果
任务一：
·根据主旋律以及和弦进行编写代码，实现相应的算法逻辑，给主旋律配上合适的伴奏。
·伴奏包括鼓、贝斯、吉他、键盘、弦乐、管乐等（任选其中某几个即可）。
任务二：
·风格/情感/主题可控的旋律生成，根据指定的风格、情感、主题或者关键词，训练序列生成模型，生成符合输入的风格/情感/主题的旋律。
·主要探索可控的音符序列生成，偏向 NLP 技术。其中音乐的风格/情感/主题标签需要自动从无标签音乐数据中挖掘。

项目2：CUDA 实现和优化

实验目的
·理解 DNN 框架中的张量运算在 GPU 加速器上的加速原理
·通过 CUDA 实现和优化一个定制化张量运算
开源链接：AI-System/Labs/BasicLabs/Lab3 at main · microsoft/AI-System (github.com)
技能要求
·学习 git/GitHub 基本操作
·使用 markdown 编写文档
实验环境
·PyTorch==1.5.0
·CUDA 10.0
任务详情及预期成果
实验流程图：

具体步骤：
1.理解 PyTorch 中 Linear 张量运算的计算过程，推导计算公式
2.了解 GPU 端加速的原理，CUDA 内核编程和实现一个 kernel 的原理
3.实现 CUDA 版本的定制化张量运算
I. 编写 .cu 文件，实现矩阵相乘的 kernel
II. 在上述 .cu 文件中，编写使用 cuda 进行前向计算和反向传播的函数
III. 基于 C++ API，编写.cpp 文件，调用上述函数，实现 Linear 张量运算和前向计算和反向传播
IV. 将代码生成 Python 的 C++ 扩展
V. 使用基于 C++ 的函数扩展，实现自定义 Linear 类模块的前向计算和反向传播函数
VI. 运行程序，验证网络正确性
4.使用 profile 比较网络性能：基于 C++ API ，比较有无 CUDA 对张量运算性能的影响
5.[选做，加分]实现基于 CUDA 的卷积层（Convolutional）自定义张量运算

项目提交方式及安排

1.回复项目链接至 GitHub“微软人工智能教育与学习共建社区”专用 issue，链接如下：
AI 音乐创作：https://github.com/microsoft/ai-edu/issues/720
CUDA 实现和优化：https://github.com/microsoft/ai-edu/issues/721
2.需要有文档和代码，文档中给出代码的具体运行步骤。
实践截止时间 ：6 月 30 日

实践空间站是由微软亚洲研究院打造的全年持续性活动，通过项目导师指导与自主创新结合的方式，帮助参与实践项目的同学更好地理解和掌握微软技术，挖掘现有课题与微软技术结合的潜力，获得自身的技术成长。

自 2017 年实践空间站发布第一批任务，全国范围内已有超过 1000 支队伍报名参与。如果你也想成为其中优秀的一员，实践空间站的项目等你来参加！

拥抱开源，就是现在！