摘要：
MindSpore技术理解（上） 引言 深度学习研究和应用在近几十年得到了爆炸式的发展，掀起了人工智能的第三次浪潮，并且在图像识别、语音识别与合成、无人驾驶、机器视觉等方面取得了巨大的成功。这也对算法的应用以及依赖的框架有了更高级的要求。深度学习框架的不断发展使得在大型数据集上训练神经网络模型时，可 阅读全文
摘要：
MindSpore张量mindspore::tensor MSTensor #include <ms_tensor.h> MSTensor定义了MindSpore Lite中的张量。 构造函数和析构函数 MSTensor MSTensor() MindSpore Lite MSTensor的构造函数 阅读全文
摘要：
MindSpore API编程概述 总体架构 MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景覆盖三大目标，其中易开发表现为API友好、调试难度低，高效执行包括计算效率、数据预处理效率和分布式训练效率，全场景则指框架同时支持云、边缘以及端侧场景。 MindSpore总体架 阅读全文
摘要：
MindSpore数据集mindspore::dataset ResizeBilinear #include <image_process.h> bool ResizeBilinear(LiteMat &src, LiteMat &dst, int dst_w, int dst_h) 通过双线性算法 阅读全文
摘要：
MindSpore接口mindspore::api Context #include <context.h> Context类用于保存执行中的环境变量。 静态公有成员函数 Instance static Context &Instance(); 获取MindSpore Context实例对象。 公有 阅读全文
摘要：
MindSpore应用目标 以下将展示MindSpore近一年的高阶计划，会根据用户的反馈诉求，持续调整计划的优先级。 总体而言，会努力在以下几个方面不断改进。 1. 提供更多的预置模型支持。 2. 持续补齐API和算子库，改善易用性和编程体验。 3. 提供华为昇腾AI处理器的全面支持，并不断优化性 阅读全文
摘要：
MindSpore图像分类模型支持（Lite） 图像分类介绍 图像分类模型可以预测图片中出现哪些物体，识别出图片中出现物体列表及其概率。 比如下图经过模型推理的分类结果为下表： 类别 概率 plant 0.9359 flower 0.8641 tree 0.8584 houseplant 0.786 阅读全文
摘要：
MindSpore静态图语法支持 概述 在Graph模式下，Python代码并不是由Python解释器去执行，而是将代码编译成静态计算图，然后执行静态计算图。 关于Graph模式和计算图，可参考文档：https://www.mindspore.cn/tutorial/training/zh-CN/r 阅读全文
摘要：
MindArmour差分隐私 总体设计 MindArmour的Differential-Privacy模块，实现了差分隐私训练的能力。模型的训练主要由构建训练数据集、计算损失、计算梯度以及更新模型参数等过程组成，目前MindArmour的差分隐私训练主要着力于计算梯度的过程，通过相应的算法对梯度进行 阅读全文
摘要：
MindInsight张量可视设计介绍 特性背景 张量可视，能够帮助用户直观查看训练过程中的Tensor值，既支持以直方图的形式呈现Tensor的变化趋势，也支持查看某次step的具体Tensor值。Tensor包括权重值、梯度值、激活值等。 总体设计 Tensor可视主要是解析由MindSpore 阅读全文