模型构建与训练

构建

提供动态图、静态图、动静统一的编程形态，使开发者可以兼顾开发效率和执行性能。

数据加载与处理

数据处理Pipeline和数据处理轻量化两种数据处理模式。

利用函数式和对象式融合编程的思想，高效地构建和管理复杂的神经网络架构。

基于各类套件的模型实现参考案例。

训练

搭建一个包括数据集预处理、模型创建、定义损失函数和优化器、训练及保存模型的完整训练流程。

分布式并行

通过分布式并行，降低对内存、计算性能等硬件的需求，为处理大规模数据和复杂模型提供了强大的计算能力和性能优势。

自定义高阶编程

当框架提供的高级方法不能满足某些场景，或对性能有较高要求时，可以采用自定义的方法添加或修改某些流程，以满足开发或调试需求。

调试调优

训练高可用

训练过程中的故障恢复等高可用相关功能。

模型调试方法和案例，如Dump、特征值检测等。

模型调优方法和案例，如图算融合、内存复用等。