mindspore.train

模型

mindspore.train.Model

模型训练或推理的高阶接口。

回调函数

`mindspore.train.BackupAndRestore`	在训练过程中备份和恢复训练参数的回调函数。
`mindspore.train.Callback`	用于构建Callback函数的基类。
`mindspore.train.CheckpointConfig`	保存checkpoint时的配置策略。
`mindspore.train.EarlyStopping`	当监控的指标停止改进时停止训练。
`mindspore.train.FlopsUtilizationCollector`	FlopsUtilizationCollector接口统计模型利用率信息MFU，硬件利用率信息HFU。
`mindspore.train.History`	将网络输出和评估指标的相关信息记录到 History 对象中。
`mindspore.train.LambdaCallback`	用于自定义简单的callback。
`mindspore.train.LearningRateScheduler`	用于在训练期间更改学习率。
`mindspore.train.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.train.MindIOTTPAdapter`	该回调用于开启 MindIO的TTP特性，。
`mindspore.train.ModelCheckpoint`	checkpoint的回调函数。
`mindspore.train.OnRequestExit`	响应用户关闭请求，退出训练或推理进程，保存checkpoint和mindir。
`mindspore.train.ReduceLROnPlateau`	当 monitor 停止改进时降低学习率。
`mindspore.train.RunContext`	保存和管理模型的相关信息。
`mindspore.train.TimeMonitor`	监控训练或推理的时间。

评价指标

接口名	概述	支持平台
`mindspore.train.Accuracy`	计算数据分类的正确率，包括二分类和多分类。	`Ascend` `GPU` `CPU`
`mindspore.train.BleuScore`	计算BLEU分数。	`Ascend` `GPU` `CPU`
`mindspore.train.ConfusionMatrix`	计算混淆矩阵(confusion matrix)，通常用于评估分类模型的性能，包括二分类和多分类场景。	`Ascend` `GPU` `CPU`
`mindspore.train.ConfusionMatrixMetric`	计算与混淆矩阵相关的度量。	`Ascend` `GPU` `CPU`
`mindspore.train.CosineSimilarity`	计算余弦相似度。	`Ascend` `GPU` `CPU`
`mindspore.train.Dice`	集合相似性度量。	`Ascend` `GPU` `CPU`
`mindspore.train.F1`	计算F1 评分。	`Ascend` `GPU` `CPU`
`mindspore.train.Fbeta`	计算Fbeta评分。	`Ascend` `GPU` `CPU`
`mindspore.train.HausdorffDistance`	计算Hausdorff距离。	`Ascend` `GPU` `CPU`
`mindspore.train.Loss`	计算loss的平均值。	`Ascend` `GPU` `CPU`
`mindspore.train.MAE`	计算平均绝对误差MAE（Mean Absolute Error）。	`Ascend` `GPU` `CPU`
`mindspore.train.MeanSurfaceDistance`	计算从 y_pred 到 y 的平均表面距离。	`Ascend` `GPU` `CPU`
`mindspore.train.Metric`	用于计算评估指标的基类。	`Ascend` `GPU` `CPU`
`mindspore.train.MSE`	测量均方差MSE（Mean Squared Error）。	`Ascend` `GPU` `CPU`
`mindspore.train.OcclusionSensitivity`	用于计算神经网络对给定图像的遮挡灵敏度（Occlusion Sensitivity），表示了图像的哪些部分对神经网络的分类决策最重要。	`Ascend` `GPU` `CPU`
`mindspore.train.Perplexity`	计算困惑度（perplexity）。	`Ascend` `GPU` `CPU`
`mindspore.train.Precision`	计算数据分类的精度，包括单标签场景和多标签场景。	`Ascend` `GPU` `CPU`
`mindspore.train.Recall`	计算数据分类的召回率，包括单标签场景和多标签场景。	`Ascend` `GPU` `CPU`
`mindspore.train.ROC`	计算ROC曲线。	`Ascend` `GPU` `CPU`
`mindspore.train.RootMeanSquareDistance`	计算从 y_pred 到 y 的均方根表面距离。	`Ascend` `GPU` `CPU`
`mindspore.train.Top1CategoricalAccuracy`	计算top-1分类正确率。	`Ascend` `GPU` `CPU`
`mindspore.train.Top5CategoricalAccuracy`	计算top-5分类正确率。	`Ascend` `GPU` `CPU`
`mindspore.train.TopKCategoricalAccuracy`	计算top-k分类正确率。	`Ascend` `GPU` `CPU`

工具

接口名	概述	支持平台
`mindspore.train.auc`	使用梯形法则计算曲线下面积AUC（Area Under the Curve，AUC）。	`Ascend` `GPU` `CPU`
`mindspore.train.get_metric_fn`	根据输入的 name 获取metric的方法。	`Ascend` `GPU` `CPU`
`mindspore.train.names`	获取所有metric的名称。	`Ascend` `GPU` `CPU`
`mindspore.train.rearrange_inputs`	此装饰器用于根据类的 indexes 属性对输入重新排列。	`Ascend` `GPU` `CPU`

二阶优化

`mindspore.train.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.train.ConvertNetUtils`	将网络转换为thor层网络，用于计算并存储二阶信息矩阵。