MindSpore
设计
MindSpore设计概览
张量视图
函数式和对象式融合编程范式
动静态图结合
静态图动态shape
分布式并行原生
高性能数据处理引擎
全场景统一架构
图算融合加速引擎
三方硬件对接
术语
模型库
官方模型库
API
mindspore
mindspore.nn
mindspore.ops
mindspore.ops.primitive
mindspore.mint
mindspore.amp
mindspore.train
mindspore.communication
mindspore.communication.comm_func
mindspore.common.initializer
mindspore.hal
mindspore.dataset
mindspore.dataset.transforms
mindspore.mindrecord
mindspore.nn.probability
mindspore.rewrite
mindspore.multiprocessing
mindspore.boost
mindspore.numpy
mindspore.scipy
mindspore.experimental
API映射
PyTorch与MindSpore API映射表
迁移指南
迁移指南概述
环境准备
模型分析与准备
网络搭建对比
调试调优
网络迁移调试实例
常见问题
语法支持
静态图语法支持
静态图语法-运算符
静态图语法-Python语句
静态图语法-Python内置函数
Tensor索引支持
环境变量
环境变量
FAQ
安装
数据处理
执行问题
网络编译
算子编译
性能调优
精度调优
分布式并行
推理
特性咨询
RELEASE NOTES
Release Notes
MindSpore
»
迁移指南概述
查看页面源码
迁移指南概述
本迁移指导包含以PyTorch为主的其他机器学习框架将神经网络迁移到MindSpore的完整步骤。
Step 1
Step 2
Step 3
Step 4
总览
迁移流程
环境准备
本地安装MindSpore
在线使用ModelArts
模型分析与准备
算法复现/MindSpore Dev Toolkit 工具分析API满足度/分析功能满足度
网络搭建对比
数据处理
数据集加载/增强/读取对齐
网络搭建
网络对齐
损失函数
损失函数对齐
学习率与优化器
优化器执行和学习率策略对齐
梯度求导
反向梯度对齐
训练及推理流程
训练与推理对齐
调试调优
功能/精度/性能三方面对齐
网络迁移调试实例
以ReNet50为例的网络迁移样例
常见问题
迁移过程中的常见问题与解决方法