MindSpore
整体介绍
MindSpore总体架构
MindSpore API概述
快速入门
实现简单线性函数拟合
实现一个图片分类应用
手把手安装和体验
基本概念
dtype
Tensor
算子
Cell
Numpy
MindSpore NumPy函数
运行管理
配置运行信息
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
数据处理高级用法
网络构建
网络参数的初始化
网络参数的更新
模型层
损失函数
优化算法
构建自定义网络
常用网络组件
WithLossCell
TrainOneStepCell
模型训练
运行方式
Callback机制
保存模型
加载模型用于推理或迁移学习
模型训练高级用法
推理
推理模型总览
Ascend 910 AI处理器上推理
Ascend 310 AI处理器上推理
GPU上推理
CPU上推理
分布式并行
分布式并行训练总览
分布式并行训练 （Ascend）
分布式并行训练 （GPU）
应用流水线并行
应用Host&Device混合训练
使用Parameter Server训练
保存和加载模型（HyBrid Parallel模式）
分布式推理
分布式并行接口说明
功能调试
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
训练时验证模型
算子增量编译
精度调优
精度调优思路和方法
性能优化
优化数据处理
使能混合精度
使能图算融合
应用梯度累积算法
应用感知量化训练
应用训练后量化
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
»
常用网络组件
View page source
常用网络组件
WithLossCell
TrainOneStepCell