准备工作

  

概述

在进行网络开发或网络迁移工作之前，首先需要安装MindSpore，并掌握机器学习的相关知识。用户可以选择购买《深度学习与MindSpore实践》一书来了解相关知识，通过访问MindSpore官网了解MindSpore的用法。

安装MindSpore

参考如下表格确定系统的发行版本、架构（X86或Arm）及Python版本。

系统	查询内容	查询命令
Linux	系统发行版本	cat /proc/version
Linux	系统架构	uname -m
Linux	Python版本	python3

根据自己使用的操作系统及计算硬件，选择对应的MindSpore版本，通过Pip、Conda、Docker或源码编译等方式安装MindSpore，推荐访问MindSpore安装页面，并参考该网站指导完成安装。

MindSpore验证

安装完成MindSpore后可以运行以下命令（以MindSpore r1.6版本为例），测试MindSpore是否安装完成。

import mindspore

mindspore.run_check()

MindSpore version:  1.6.0
The result of multiplication calculation is correct, MindSpore has been installed successfully!

知识准备

MindSpore文档

用户可以通过参考MindSpore教程了解如何使用MindSpore进行训练、调试、调优、推理；也可以通过参考MindSpore Python API详细了解MindSpore各接口的相关信息，以便于用户能够更好地使用。

ModelZoo和Hub

ModelZoo是MindSpore与社区共同提供的深度优化的模型集市，向开发者提供了深度优化的模型，以便于生态中的小伙伴可以方便地基于ModelZoo中的模型进行个性化开发。当前已经覆盖了机器视觉、自然语言处理、语音、推荐系统等多个领域的主流模型。

mindspore Hub是存放MindSpore官方或者第三方开发者提供的预训练模型的平台。它向应用开发者提供了简单易用的模型加载和微调API，使得用户可以基于预训练模型进行推理或者微调，并部署到自己的应用中。用户也可以将自己训练好的模型按照指定的步骤发布模型到MindSpore Hub中，供其他用户下载和使用。

云上训练

ModelArts是华为云提供的面向AI开发者的一站式开发平台，集成了昇腾AI处理器资源池，用户可以在该平台下体验MindSpore。相关文档可参考AI开发平台ModelArts。