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
动态图和静态图
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
算子分类
自定义算子
自定义算子（Ascend）
自定义算子（GPU）
自定义算子（CPU）
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
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
PyNative
PyNative模式应用
Numpy
MindSpore NumPy函数
高级特性
二阶优化
应用感知量化训练
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
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
使能混合精度
使能图算融合
使能算子调优工具
应用梯度累积算法
使用Profiler调试性能↗
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
»
算子
»
自定义算子
View page source
自定义算子
自定义算子（Ascend）
自定义算子（GPU）
自定义算子（CPU）