Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
lvmingfu 505f9e4c53 | 1 year ago | |
---|---|---|
.. | ||
enable_graph_kernel_fusion | 1 year ago | |
mindinsight | 1 year ago | |
README.md | 1 year ago | |
mindspore_apply_gradient_accumulation.ipynb | 1 year ago | |
mindspore_computer_vision_application.ipynb | 1 year ago | |
mindspore_custom_debugging_info.ipynb | 1 year ago | |
mindspore_debugging_in_pynative_mode.ipynb | 1 year ago | |
mindspore_evaluate_the_model_during_training.ipynb | 1 year ago | |
mindspore_improve_model_security_nad.ipynb | 1 year ago | |
mindspore_load_model_for_inference_and_transfer.ipynb | 1 year ago | |
mindspore_nlp_application.ipynb | 1 year ago | |
mindspore_save_model.ipynb | 1 year ago | |
model_encrypt_protection.ipynb | 1 year ago | |
test_model_security_fuzzing.ipynb | 1 year ago | |
test_model_security_membership_inference.ipynb | 1 year ago |
系统版本:Windows 10,Ubuntu 16.04及以上
软件配置:Anaconda,Jupyter Notebook
语言环境:Python3.7.X 推荐 Python3.7.5
MindSpore 下载地址:MindSpore官网下载,使用Windows系统用户选择Windows-X86版本,使用Linux系统用户选择Ubuntu-X86版本
MindSpore的具体安装教程
首先,增加Jupyter Notebook切换conda环境功能(Kernel Change)
启动Anaconda Prompt,输入命令:
conda install nb_conda
建议在base环境操作上述命令。
执行完毕,重启Jupyter Notebook即可完成功能添加。
然后,添加conda环境到Jypyter Notebook的Kernel Change中。
新建一个conda环境,启动Anaconda Prompt,输入命令:
conda create -n {env_name} python=3.7.5
env_name可以按照自己想要的环境名称自行命名。
激活新环境,输入命令:
conda activate {env_name}
安装ipykernel,输入命令:
conda install -n {env_name} ipykernel
如果添加已有环境,只需执行安装ipykernel操作即可。
执行完毕后,刷新Jupyter notebook页面点击Kernel下拉,选择Kernel Change,就能选择新添加的conda环境。
教 程 类 别 | 教 程 名 称 | 文 件 名 称 | 内 容 描 述 |
---|---|---|---|
快速入门 | 手写数字分类识别入门体验教程 | mindspore_quick_start.ipynb | - CPU平台下从数据集到模型验证的全过程解读 - 体验教程中各功能模块的使用说明 - 数据集图形化展示 - 了解LeNet5具体结构和参数作用 - 学习使用自定义回调函数 - loss值与训练步数的变化图 - 模型精度与训练步数的变化图 - 使用模型应用到手写图片的预测与分类上 |
基础使用 | 加载图像数据集 | mindspore_load_dataset_image.ipynb | - 学习加载图像数据集 - 学习处理图像数据集 - 学习增强图像数据集 |
基础使用 | 加载文本数据集 | mindspore_load_dataset_text.ipynb | - 学习加载文本数据集 - 学习处理文本数据集 - 学习文本数据集分词 |
基础使用 | 保存模型 | mindspore_save_model.ipynb | - 了解不同平台用于训练的模型类型 - 学习如何用不同策略保存训练模型 - 学习如何将模型导出为不同的文件类型,用于不同平台上的训练 |
基础使用 | 加载模型用于推理或迁移学习 | mindspore_load_model_for_inference_and_transfer.ipynb | - 了解预训练模型的方法 - 学习在本地加载已有的模型进行推理的方法 - 学习在本地加载模型并进行迁移学习的方法 |
处理数据 | 转换数据集为MindRecord | mindspore_convert_dataset.ipynb | - 展示将数据集转换为MindRecord - 展示读取MindRecord数据集 |
数据处理 | 优化数据准备的性能 | mindspore_optimize_data_processing.ipynb | - 数据加载性能优化 - shuffle性能优化 - 数据增强性能优化 - 性能优化方案总结 |
应用实践 | 自然语言处理应用 | mindspore_nlp_application.ipynb | - 展示MindSpore在自然语言处理的应用 - 展示自然语言处理中数据集特定的预处理方法 - 展示如何定义基于LSTM的SentimentNet网络 |
应用实践 | 计算机视觉应用 | mindspore_computer_vision_application.ipynb | - 学习MindSpore卷积神经网络在计算机视觉应用的过程 - 学习下载CIFAR-10数据集,搭建运行环境 - 学习使用ResNet-50构建卷积神经网络 - 学习使用Momentum和SoftmaxCrossEntropyWithLogits构建优化器和损失函数 - 学习调试参数训练模型,判断模型精度 |
调试网络 | 模型的训练及验证同步方法 | mindspore_evaluate_the_model_during_training.ipynb | - 了解模型训练和验证同步进行的方法 - 学习同步训练和验证中参数设置方法 - 利用绘图函数从保存的模型中挑选出最优模型 |
调试网络 | 使用PyNative进行神经网络的训练调试体验 | mindspore_debugging_in_pynative_mode.ipynb | - GPU平台下从数据集获取单个数据进行单个step训练的数据变化全过程解读 - 了解PyNative模式下的调试方法 - 图片数据在训练过程中的变化情况的图形展示 - 了解构建权重梯度计算函数的方法 - 展示1个step过程中权重的变化及数据展示 |
调试网络 | 自定义调试信息体验文档 | mindspore_custom_debugging_info.ipynb | - 了解MindSpore的自定义调试算子 - 学习使用自定义调试算子Callback设置定时训练 - 学习设置metrics算子输出相对应的模型精度信息 - 学习设置日志环境变量来控制glog输出日志 |
调试网络 | MindInsight的溯源分析和对比分析 | mindspore_lineage_and_scalars_comparison.ipynb | - 了解MindSpore中训练数据的采集及展示 - 学习使用回调函数SummaryCollector进行数据采集 - 使用MindInsight进行数据可视化 - 了解数据溯源和模型溯源的使用方法 - 了解对比分析的使用方法 |
调试网络 | MindInsight训练看板 | mindinsight_dashboard.ipynb | - 了解完整的MindSpore深度学习及MindInsight可视化展示的过程 - 学习使用MindInsight对训练过程中标量、直方图、图像、计算图、数据图和张量信息进行可视化展示 - 学习使用Summary算子记录标量、直方图、图像、计算图、数据图和张量信息 |
优化训练性能 | 应用梯度累积算法 | mindspore_apply_gradient_accumulation.ipynb | - 了解梯度累积训练算法的原理 - 学习在MindSpore中自定义训练函数,并在其中实现前向传播和反向传播的计算过程构建,实现梯度累积计算 - 了解梯度累积训练对模型训练的影响 |
模型安全和隐私 | 模型安全 | mindspore_improve_model_security_nad.ipynb | - 了解AI算法的安全威胁的概念和影响 - 介绍MindArmour提供的模型安全防护手段 - 学习如何模拟攻击训练模型 - 学习针对被攻击模型进行对抗性防御 |
提供MindSpore官方网站所呈现安装指南、教程、文档的源文件以及API的相关配置。
Jupyter Notebook Markdown Python reStructuredText Gettext Catalog other
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》