Descrição
MindSpore é um framework de deep learning de código aberto que visa fornecer uma plataforma unificada para desenvolvimento de IA em diversos hardwares. A documentação da API detalha as extensas interfaces disponíveis para os desenvolvedores construírem e gerenciarem modelos de IA de forma eficiente. Essas interfaces cobrem operações fundamentais do framework, funções especializadas e blocos de construção para redes neurais.
Ler mais
A API do framework é organizada em módulos distintos, cada um abordando um aspecto específico do ciclo de vida do desenvolvimento de IA. O módulo `mindspore` serve como base, enquanto `mindspore.ops` fornece interfaces de função. Para construir redes neurais, `mindspore.nn` oferece camadas pré-definidas e unidades computacionais, e `mindspore.mint` alinha-se com o uso mainstream da indústria para interfaces funcionais, de NN e de otimizador.
Módulos mais especializados incluem `mindspore.common.initializer` para inicialização de parâmetros, `mindspore.amp` para treinamento de precisão mista e `mindspore.train` para gerenciar o processo de treinamento. Capacidades avançadas são suportadas através de `mindspore.parallel` para paralelismo automático e `mindspore.graph` para compilação de grafos. Operações de runtime, gerenciamento de dispositivo e backend são tratados por `mindspore.runtime` e `mindspore.device_context`, respectivamente.
A manipulação de dados é simplificada com `mindspore.dataset`, que fornece interfaces para carregar e processar diversos datasets. O framework também se integra com bibliotecas familiares através das interfaces de classe `mindspore.numpy` e `mindspore.scipy`. Para computação distribuída, `mindspore.multiprocessing` está disponível. Adicionalmente, `mindspore.tools` oferece funções utilitárias, `mindspore.utils` fornece interfaces auxiliares como dryrun, e `mindspore.experimental` expõe recursos de ponta.
A documentação da API do MindSpore também inclui seções sobre variáveis de ambiente, uma tabela de mapeamento para APIs PyTorch e MindSpore para auxiliar na migração, e mecanismos de feedback para os usuários relatarem problemas ou sugerirem melhorias. A plataforma enfatiza a facilidade de uso e flexibilidade, suportando ambientes de desenvolvimento baseados em nuvem como Jupyter para codificação e depuração sem interrupções.
- CategoriaPlataformas de machine learning
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem
- PlataformasWeb
Recursos principais de MindSpore
Interfaces de fundação do framework
Interfaces de função
Interfaces de camadas de rede neural
Interfaces de otimizador
Inicialização de parâmetros
Interfaces de treinamento de precisão mista
Interfaces de treinamento
Interfaces de Paralelismo Automático
Interfaces de compilação de grafos
Interfaces de runtime
Gerenciamento de dispositivo e backend
Interfaces de comunicação de coleção
Carregamento e processamento de datasets
Interfaces de classes NumPy e SciPy
Interfaces de multiprocessamento
Interfaces de ferramentas
Interfaces auxiliares
Interfaces experimentais
Interfaces de operadores primitivos
Interfaces de rede de aceleração automática
Distribuições de probabilidade parametrizáveis
Modificação de código-fonte de modelo baseada em regras personalizadas
Interfaces de gerenciamento de dispositivo, stream, eventos e memória
Primeiros passos com MindSpore
Explore Módulos de API: Navegue pela documentação para encontrar o módulo relevante para sua tarefa.
Entenda as Descrições das Interfaces: Leia as descrições de cada módulo e suas interfaces para compreender sua funcionalidade.
Revise Exemplos: Procure por exemplos de código ou padrões de uso para ver como as APIs são aplicadas na prática.
Verifique a Compatibilidade: Confirme as versões da API e a compatibilidade com sua instalação do MindSpore.
Integre ao Fluxo de Trabalho: Implemente as APIs escolhidas em seu pipeline de desenvolvimento de modelos de IA.
Utilize Ambientes em Nuvem: Aproveite os notebooks Jupyter para codificação e depuração flexíveis.
Gerencie Recursos: Esteja ciente das limitações de recursos em ambientes de desenvolvimento em nuvem.
Casos de uso de MindSpore
- Construção de Modelos
- Treinamento de Modelos
- Inferência de Modelos
- Pré-processamento de Dados
- Computação Distribuída
- Treinamento de Precisão Mista
- Compilação de Grafos
- Desenvolvimento Baseado em Nuvem
