# RoadMap

以下将展示MindSpore近一年的高阶计划，我们会根据用户的反馈诉求，持续调整计划的优先级。

总体而言，我们会努力在以下几个方面不断改进。
1. 提供更多的预置模型支持。
2. 持续补齐API和算子库，改善易用性和编程体验。
3. 提供华为昇腾AI处理器的全面支持，并不断优化性能及软件架构。
4. 完善可视化、调试调优、安全相关工具。

热忱希望各位在用户社区加入讨论，并贡献您的建议。

[![查看源文件](./_static/logo_source.png)](https://gitee.com/mindspore/docs/blob/r0.3/docs/source_zh_cn/roadmap.md)

## 预置模型
* CV：目标检测、GAN、图像分割、姿态识别等场景经典模型。
* NLP：RNN、Transformer类型神经网络，拓展基于Bert预训练模型的应用。
* 其它：GNN、强化学习、概率编程、AutoML等。

## 易用性
* 补齐算子、优化器、Loss函数等各类API
* 完善Python语言原生表达支持
* 支持常见的Tensor/Math操作
* 增加更多的自动并行适用场景，提高策略搜索的准确性

## 性能优化
* 优化编译时间
* 低比特混合精度训练/推理
* 提升内存使用效率
* 提供更多的融合优化手段
* 加速PyNative执行性能

## 架构演进
* 图算融合优化：使用细粒度Graph IR表达算子，构成带算子边界的中间表达，挖掘更多图层优化机会。
* 支持更多编程语言
* 优化数据增强的自动调度及分布式训练数据缓存机制
* 持续完善MindSpore IR
* Parameter Server模式分布式训练

## MindInsight调试调优
* 训练过程观察
   * 直方图
   * 计算图/数据图展示优化
   * 集成性能Profiling/Debugger工具
   * 支持多次训练间的对比
* 训练结果溯源
   * 数据增强溯源对比
* 训练过程诊断
   * 性能Profiling
   * 基于图模型的Debugger

## MindArmour安全增强包
* 测试模型的安全性
* 提供模型安全性增强工具
* 保护训练和推理过程中的数据隐私

## 推理框架
* 提供Tensorflow/Caffe/ONNX模型格式支持
* IOS系统支持
* 完善更多的CPU算子
* 更多CV/NLP模型支持
* 在线学习
* 支持部署在IOT设备
* 低比特量化
* CPU和NPU异构调度