安装
pip安装
Q：pip安装MindSpore对Python版本是否有特别要求？
A：MindSpore开发过程中用到了Python3.7+的新特性，因此建议您通过conda工具添加Python3.7.5的开发环境。
Q：使用pip安装时提示错误，应该怎么办？
A：请执行pip -V查看是否绑定了Python3.7+。如果绑定的版本不对，建议使用python3.7 -m pip install代替pip install命令。
Q：MindSpore网站安装页面找不到MindInsight和MindArmour的whl包，无法安装怎么办？
A：您可以从MindSpore网站下载地址下载whl包，通过pip install命令进行安装。
源码编译安装
Q：源码编译MindSpore过程时间过长，或时常中断该怎么办？
A：MindSpore通过submodule机制引入第三方依赖包，其中protobuf依赖包（v3.8.0）下载速度不稳定，建议您提前进行包缓存。
Q：如何改变第三方依赖库安装路径？
A：第三方依赖库的包默认安装在build/mindspore/.mslib目录下，可以设置环境变量MSLIBS_CACHE_PATH来改变安装目录，比如 export MSLIBS_CACHE_PATH = ~/.mslib。
Q：MindSpore要求的配套软件版本与Ubuntu默认版本不一致怎么办？
A：当前MindSpore只提供版本配套关系，需要您手动进行配套软件的安装升级。（注明：MindSpore要求Python3.7.5和gcc7.3，Ubuntu 16.04默认为Python3.5和gcc5，Ubuntu 18.04默认自带Python3.7.3和gcc7.4）
Q：当源码编译MindSpore，提示tclsh not found时，应该怎么办？
A：当有此提示时说明要用户安装tclsh；如果仍提示缺少其他软件，同样需要安装其他软件。
Q: 当在Windows系统源码编译MindSpore报错，提示信息为目录路径有中文乱码，应该怎么办？
A：请将中文目录改为英文，同时确保目录没有中文字符。
支持
模型支持
Q：MindSpore支持哪些模型的训练？
A：MindSpore针对典型场景均有模型训练支持，支持情况详见Release note。
Q：MindSpore有哪些现成的推荐类或生成类网络或模型可用？
A：目前正在开发Wide & Deep、DeepFM、NCF等推荐类模型，NLP领域已经支持Bert_NEZHA，正在开发MASS等模型，用户可根据场景需要改造为生成类网络，可以关注MindSpore Model Zoo。
后端支持
Q：安装运行MindSpore时，是否要求平台有GPU、NPU等计算单元？
A：MindSpore当前支持CPU/GPU/NPU，重点支持Ascend AI处理器。CPU支持Lenet模型，您可以尝试使用。
Q：针对异构计算单元的支持，MindSpore有什么计划？
A：MindSpore提供了可插拔式的设备管理接口，其他计算单元（比如FPGA）可快速灵活地实现与MindSpore的对接，欢迎您参与社区进行异构计算后端的开发工作。
Q：MindSpore需要什么硬件支持？
A：目前笔记本电脑或者有GPU的环境，都可以通过Docker镜像来试用。当前MindSpore Model Zoo中有部分模型已经支持GPU的训练和推理，其他模型也在不断地进行完善。在分布式并行训练方面，MindSpore当前支持GPU多卡训练。你可以通过RoadMap和项目Release note获取最新信息。
系统支持
Q：MindSpore是否支持Windows 10？
A：MindSpore CPU版本已经支持在Windows 10系统中安装。
编程语言扩展
Q：最近出来的taichi编程语言有Python扩展，类似import taichi as ti就能直接用了，MindSpore是否也支持？
A：MindSpore支持Python原生表达，import mindspore相关包即可使用。
Q：MindSpore是否（计划）支持多语言扩展？
A：MindSpore目前支持Python扩展，针对C++、Rust、Julia等语言的支持正在开发中。
其他
Q：MindSpore在语义协同和处理上是如何实现的？是否利用当前学术界流行的FCA理论？
A：MindSpore框架本身并不需要支持FCA。对于语义类模型，用户可以调用第三方的工具在数据预处理阶段做FCA数学分析。MindSpore本身支持Python语言，import FCA相关包即可使用。
Q：从哪里可以查看MindSpore训练及推理的样例代码或者教程？
A：可以访问MindSpore官网教程。
特性
Q：当前在云上MindSpore的训练和推理功能是比较完备的，至于边端场景（尤其是终端设备）MindSpore有什么计划？
A：MindSpore是端边云统一的训练和推理框架，支持将云侧训练的模型导出到Ascend AI处理器和终端设备进行推理。当前推理阶段支持的优化包括量化、算子融合、内存复用等。
Q：MindSpore自动并行支持情况如何？
A：自动并行特性对CPU GPU的支持还在完善中。推荐用户在Ascend 910 AI处理器上使用自动并行，可以关注开源社区，申请MindSpore开发者体验环境进行试用。
Q：MindSpore与ModelArts是什么关系，在ModelArts中能使用MindSpore吗？
A：ModelArts是华为公有云线上训练及推理平台，MindSpore是华为深度学习框架，可以查阅MindSpore官网教程，教程中详细展示了用户如何使用ModelArts来做MindSpore的模型训练。
能力
Q：MindSpore有没有类似基于TensorFlow实现的对象检测算法的模块？
A：TensorFlow的对象检测Pipeline接口属于TensorFlow Model模块。待MindSpore检测类模型完备后，会提供类似的Pipeline接口。
Q：其他框架的脚本或者模型怎么迁移到MindSpore？
A：关于脚本或者模型迁移，可以查询MindSpore官网中关于网络迁移的介绍。
Q：MindSpore是否附带开源电商类数据集？
A：暂时还没有，可以持续关注MindSpore官网。
Q：MindSpore模型训练代码能有多简单？
A：除去网络定义，MindSpore提供了Model类的接口，大多数场景只需几行代码就可完成模型训练。