MindSpore

整体介绍

  • MindSpore总体架构
  • MindSpore API概述

设计介绍

  • 技术白皮书
  • 全场景统一架构
  • 函数式可微分编程
  • 静态图和动态图
  • 分布式训练
  • 异构并行训练
  • MindSpore IR(MindIR)
  • 高性能数据处理引擎
  • 可视化调试调优↗
  • 安全可信↗
  • 术语

快速入门

  • 实现简单线性函数拟合↗
  • 实现一个图片分类应用↗

基本概念

  • DataType
  • Tensor
  • Parameter
  • 算子
  • Cell
  • Dataset

数据加载和处理

  • 快速入门数据加载和处理
  • 数据集加载
  • 数据处理
    • 通用数据处理
    • 图像处理与增强
    • 文本处理与增强
    • 数据处理的Eager模式
  • 数据处理高级用法
  • 数据迭代

网络构建

  • 构建单算子网络和多层网络
  • Initializer初始化器
  • 网络参数
  • 使用流程控制语句
  • 参数传递
  • 网络内构造常量
  • 损失函数
  • 求导
  • 运算重载
  • 优化器
  • 构建训练与评估网络

模型运行

  • 配置运行信息
  • 运行方式
  • ms_function动静结合
  • 模型保存与加载
  • Model接口应用

推理

  • 推理模型总览
  • 加载Checkpoint在线推理
  • 使用离线模型推理

分布式并行

  • 分布式并行总览
  • 分布式并行高级特性
  • 分布式并行使用样例

图编译

  • JIT Fallback

PyNative

  • PyNative模式应用

Numpy

  • MindSpore NumPy函数

功能调试

  • 如何查看IR文件
  • 使用PyNative模式调试↗
  • 使用Dump功能在Graph模式调试
  • 自定义调试信息
  • 算子增量编译
  • 固定随机性以复现脚本运行结果

精度调优

  • 精度问题初步定位指南↗
  • 精度问题详细定位和调优指南↗

性能优化

  • 混合精度
  • 算子调优工具
  • 自动数据加速
  • 数据准备异构加速
  • 梯度累积算法
  • 使用Profiler调试性能↗
  • 自适应梯度求和算法
  • 降维训练算法

高级特性

  • 二阶优化
  • 图算融合加速引擎
  • 感知量化训练

应用实践

  • 机器视觉
  • 自然语言处理
  • 高性能计算
  • 在云上使用MindSpore
MindSpore
  • »
  • 数据处理
  • View page source

数据处理¶

  • 通用数据处理
  • 图像处理与增强
  • 文本处理与增强
  • 数据处理的Eager模式
Next Previous

© Copyright 2021, MindSpore.

Built with Sphinx using a theme provided by Read the Docs.