mindspore

张量

mindspore.Tensor	张量，即存储多维数组（n-dimensional array）的数据结构。
mindspore.COOTensor	用来表示某一张量在给定索引上非零元素的集合，其中索引(indices)指示了每一个非零元素的位置。
mindspore.CSRTensor	用来表示某一张量在给定索引上非零元素的集合，其中行索引由 indptr 表示，列索引由 indices 。
mindspore.RowTensor	用来表示一组指定索引的张量切片的稀疏表示。
mindspore.SparseTensor	用来表示某一张量在给定索引上非零元素的集合。

参数

mindspore.Parameter	Parameter 是 Tensor 的子类，当它们被绑定为Cell的属性时，会自动添加到其参数列表中，并且可以通过Cell的某些方法获取，例如 cell.get_parameters() 。
mindspore.ParameterTuple	继承于tuple，用于管理多个Parameter。

数据类型

mindspore.dtype	创建一个MindSpore数据类型的对象。
mindspore.dtype_to_nptype	将MindSpore 数据类型转换成NumPy数据类型。
mindspore.issubclass_	判断 type_ 是否为 dtype 的子类。
mindspore.dtype_to_pytype	将MindSpore数据类型转换为Python数据类型。
mindspore.pytype_to_dtype	将Python数据类型转换为MindSpore数据类型。
mindspore.get_py_obj_dtype	将Python数据类型转换为MindSpore数据类型。

随机种子

mindspore.set_seed	设置全局种子。
mindspore.get_seed	获取随机种子。

运行环境

mindspore.set_context	设置运行环境的context。
mindspore.get_context	根据输入key获取context中的属性值。
mindspore.set_auto_parallel_context	配置自动并行，当前CPU仅支持数据并行。
mindspore.get_auto_parallel_context	根据key获取自动并行的配置。
mindspore.reset_auto_parallel_context	重置自动并行的配置为默认值。
mindspore.ParallelMode	并行模式。
mindspore.set_ps_context	设置参数服务器训练模式的上下文。
mindspore.get_ps_context	根据key获取参数服务器训练模式上下文中的属性值。
mindspore.reset_ps_context	将参数服务器训练模式上下文中的属性重置为默认值。
mindspore.set_algo_parameters	设置并行策略搜索算法中的参数。
mindspore.get_algo_parameters	获取算法参数配置属性。
mindspore.reset_algo_parameters	重置算法参数属性。

模型

mindspore.Model	模型训练或推理的高阶接口。

回调函数

mindspore.Callback	用于构建Callback函数的基类。
mindspore.CheckpointConfig	保存checkpoint时的配置策略。
mindspore.EarlyStopping	当监控的指标停止改进时停止训练。
mindspore.History	将网络输出和评估指标的相关信息记录到 History 对象中。
mindspore.LambdaCallback	用于自定义简单的callback。
mindspore.LearningRateScheduler	用于在训练期间更改学习率。
mindspore.LossMonitor	训练场景下，监控训练的loss；边训练边推理场景下，监控训练的loss和推理的metrics。
mindspore.ModelCheckpoint	checkpoint的回调函数。
mindspore.ReduceLROnPlateau	当 monitor 停止改进时降低学习率。
mindspore.RunContext	保存和管理模型的相关信息。
mindspore.TimeMonitor	监控训练或推理的时间。

数据处理工具

mindspore.DatasetHelper	DatasetHelper是一个处理MindData数据集的类，提供数据集信息。
mindspore.connect_network_with_dataset	将 network 与 dataset_helper 中的数据集连接。
mindspore.data_sink	对输入的函数封装生成一个新的函数。

序列化

mindspore.async_ckpt_thread_status	获取异步保存checkpoint文件线程的状态。
mindspore.build_searched_strategy	构建网络中每个参数的策略，用于分布式推理。
mindspore.convert_model	将MindIR模型转化为其他格式的模型文件。
mindspore.export	将MindSpore网络模型导出为指定格式的文件。
mindspore.load	加载MindIR文件。
mindspore.load_checkpoint	加载checkpoint文件。
mindspore.load_distributed_checkpoint	给分布式预测加载checkpoint文件到网络，用于分布式推理。
mindspore.load_param_into_net	将参数加载到网络中，返回网络中没有被加载的参数列表。
mindspore.merge_sliced_parameter	将参数切片合并为一个完整的参数，用于分布式推理。
mindspore.parse_print	解析由 mindspore.ops.Print 生成的数据文件。
mindspore.restore_group_info_list	从group_info_file_name指向的文件中提取得到通信域的信息，在该通信域内的所有设备的checkpoint文件均与存储group_info_file_name的设备相同，可以直接进行替换。
mindspore.save_checkpoint	将网络权重保存到checkpoint文件中。

调试调优

mindspore.Profiler	MindSpore用户能够通过该类对神经网络的性能进行采集。
mindspore.SummaryCollector	SummaryCollector可以收集一些常用信息。
mindspore.SummaryLandscape	SummaryLandscape可以帮助您收集loss地形图的信息。
mindspore.SummaryRecord	SummaryRecord用于记录summary数据和lineage数据。
mindspore.set_dump	启用或者禁用 target 及其子节点的Dump数据功能。

即时编译

mindspore.JitConfig	编译时所使用的JitConfig配置项。
mindspore.ms_function	将Python函数编译为一张可调用的MindSpore图。
mindspore.ms_class	用户自定义类的类装饰器。
mindspore.mutable	设置一个常量值为可变的。

日志

mindspore.get_level	获取日志记录器的级别。
mindspore.get_log_config	获取日志配置。

安装验证

mindspore.run_check	提供了便捷的API用以查询MindSpore的安装是否成功。

内存回收

mindspore.ms_memory_recycle	回收MindSpore使用的内存。

二阶优化

mindspore.ConvertModelUtils	该接口用于增加计算图，提升二阶算法THOR运行时的性能。
mindspore.ConvertNetUtils	将网络转换为thor层网络，用于计算并存储二阶信息矩阵。