0


昇思 MindSpore 安装教程

昇思MindSpore介绍

昇思MindSpore是一个全场景深度学习框架,旨在实现易开发、高效执行、全场景覆盖三大目标。

其中,易开发表现为API友好、调试难度低;高效执行包括计算效率、数据预处理效率和分布式训练效率;全场景则指框架同时支持云、边缘以及端侧场景。

昇思MindSpore总体架构如下图所示:

MindSpore-arch

ModelZoo(模型库):ModelZoo提供可用的深度学习算法网络,也欢迎更多开发者贡献新的网络(ModelZoo地址)。

Extend(扩展库):昇思MindSpore的领域扩展库,支持拓展新领域场景,如GNN/深度概率编程/强化学习等,期待更多开发者来一起贡献和构建。

Science(科学计算):MindScience是基于昇思MindSpore融合架构打造的科学计算行业套件,包含了业界领先的数据集、基础模型、预置高精度模型和前后处理工具,加速了科学行业应用开发(了解更多)。

Expression(全场景统一API):基于Python的前端表达与编程接口。同时未来计划陆续提供C/C++、华为自研编程语言前端-仓颉(目前还处于预研阶段)等第三方前端的对接工作,引入更多的第三方生态。

Data(数据处理层):提供高效的数据处理、常用数据集加载等功能和编程接口,支持用户灵活的定义处理注册和pipeline并行优化。

Compiler(AI编译器):图层的核心编译器,主要基于端云统一的MindIR实现三大功能,包括硬件无关的优化(类型推导、自动微分、表达式化简等)、硬件相关优化(自动并行、内存优化、图算融合、流水线执行等)、部署推理相关的优化(量化、剪枝等)。

Runtime(全场景运行时):昇思MindSpore的运行时系统,包含云侧主机侧运行时系统、端侧以及更小IoT的轻量化运行时系统。

Insight(可视化调试调优工具):昇思MindSpore的可视化调试调优工具,能够可视化地查看训练过程、优化模型性能、调试精度问题、解释推理结果(了解更多)。

Armour(安全增强库):面向企业级运用时,安全与隐私保护相关增强功能,如对抗鲁棒性、模型安全测试、差分隐私训练、隐私泄露风险评估、数据漂移检测等技术(了解更多)。

执行流程

第一步 安装ptyhon 环境

Anaconda的下载 或者直接安装python 都行, 建议用 Anaconda 的安装 方便省事
安装就略过 不是本文重点,我的是pyrhon3.7.6

在这里插入图片描述

第二步 Mindspore安装

去到MindSpore 安装页面
根据需要选择版本 获取安装命令
在这里插入图片描述

根据官网的 安装命令 在 cmd中输入 ,等待安装相关依赖即可
在这里插入图片描述

验证

通过cmd 中输入

python -c "import mindspore;mindspore.run_check()"

出现如下所示 即为安装成功
在这里插入图片描述

实战

昇思MindSpore j技术博客中有不少使用案例的文章 可以先参照上手试一试,或看看都用MindSpore干了撒
在这里插入图片描述

在这里插入图片描述

我的博客即将同步至腾讯云开发者社区,邀请大家一同入驻:https://cloud.tencent.com/developer/support-plan?invite_code=2rzfr1pxqgysc


本文转载自: https://blog.csdn.net/qq_41923622/article/details/127050510
版权归原作者 Five-菜鸟级 所有, 如有侵权,请联系我们删除。

“昇思 MindSpore 安装教程”的评论:

还没有评论