学习目标:熟练掌握MindSpore使用方法
学习心得体会,记录时间
- 了解MindSpore总体架构
- 学会使用MindSpore
- 简单应用时间-手写数字识别
一、MindSpore总体架构
华为MindSpore为全场景深度学习框架,开发高效,全场景统一部署特点。
二、学会使用MindSpore
2.1 jupyter云上开发配置
方法一、在昇思大模型平台上有应有的环境,还可以申请使用算力,在自己电脑上需要下载mindspore安装,再安装依赖库down等
- 登录官方网网址;
- 注册账号
- 进入AI实验室
- 申请算力。启用算力支持,进入jupyter云上开发,即可开始你的算法设计。
2.2 本地开发配置Mindspore
方法二、本地搭建mindspore环境,安装相关依赖库,即可开始算法设计
比如在本地电脑anaconda3
上配置mindspore框架环境。
anaconda promp
t命令窗口创建环境
conda create -n mindspore python=3.9.19```
- 切换到该环境
activate mindspore
- 安装
mindspore
pip install mindspore
- 安装依赖库
download
,加载常用数据集
pip install download
2.3 制作数据集
1.直接导入MnistDataset
mindspore
和其他成熟的框架,如torch
,类似。包含处理深度学习和数据集的方法,如nn,transforms,vision
等;以及常用的数据集API,mindspore.dataset
可供加载的数据集,如MNIST、CIFAR-10、CIFAR-100、VOC、COCO、ImageNet、CelebA、CLUE
等,也支持加载业界标准格式的数据集,包括MindRecord、TFRecord、Manifest
等。此外,用户还可以使用此模块定义和加载自己的数据集。
import mindspore.dataset as ds
import mindspore.dataset.transforms as transforms
import mindspore.dataset.vision as vision
常用数据集术语说明如下:
Dataset
,所有数据集的基类,提供了数据处理方法来帮助预处理数据。
SourceDataset
,一个抽象类,表示数据集管道的来源,从文件和数据库等数据源生成数据。
MappableDataset
,一个抽象类,表示支持随机访问的源数据集。
Iterator
,用于枚举元素的数据集迭代器的基类。
- 生成自定义数据集示例如下:
import numpy as np
import mindspore as ms
import mindspore.dataset as ds
import mindspore.dataset.vision as vision
import mindspore.dataset.transforms as transforms
# 构造图像和标签
data1 = np.array(np.random.sample(size=(300, 300, 3)) * 255, dtype=np.uint8)
data2 = np.array(np.random.sample(size=(300, 300, 3)) * 255, dtype=np.uint8)
data3 = np.array(np.random.sample(size=(300, 300, 3)) * 255, dtype=np.uint8)
data4 = np.array(np.random.sample(size=(300, 300, 3)) * 255, dtype=np.uint8)
label <