实现简单线性函数拟合 概述 环境准备 生成数据集 定义数据集生成函数 定义数据增强函数 定义训练网络 定义前向传播网络与反向传播网络并关联 定义前向传播网络 定义反向传播网络 关联前向和反向传播网络 拟合过程可视化准备 定义绘图函数 定义回调函数 执行训练 总结 实现简单线性函数拟合 作者：杨奕 编辑：吕明赋 ...

实现一个图片分类应用 概述 准备环节 下载数据集 导入Python库&模块 配置运行信息 数据处理 定义数据集及数据操作 定义网络 定义损失函数及优化器 基本概念 定义损失函数 定义优化器 训练网络 配置模型保存 配置训练网络 运行并查看结果 验证模型 实现一个图片分类应用 Linux Windows Ascend...

自定义调试信息 概述 Callback介绍 MindSpore的Callback能力 自定义Callback MindSpore metrics功能介绍 print算子功能介绍 日志相关的环境变量和配置 自定义调试信息 概述 本文介绍如何使用MindSpore提供的Callback、metrics、print算子、日志打印等自定义能...

术语 术语 术语/缩略语 说明 Ascend 华为昇腾系列芯片的系列名称。 CCE Cube-based Computing Engine，面向硬件架构编程的算子开发工具。 CCE-C Cube-based Computing Engine C，使用CCE开发的C代码。 CheckPoint MindSpore模型训练检查点，保存模型的参数，可以用于...

应用梯度累积算法 概述 创建梯度累积模型 导入需要的库文件 加载数据集 定义网络 定义训练模型 定义训练过程 训练并保存模型 实验结果 执行训练 验证模型 应用梯度累积算法 Linux GPU 模型调优 中级 高级 概述 本教程介绍梯度累积的训练方式，目的是为了解决由于内存不足导致某些大型网络无法训练大Batc...

加载文本数据集 概述 准备 加载数据集 数据处理 数据分词 加载文本数据集 Linux Ascend GPU CPU 数据准备 初级 中级 高级 概述 MindSpore提供的mindspore.dataset 模块可以帮助用户构建数据集对象，分批次地读取文本数据。同时，在各个数据集类中还内置了数据处理和数据分词算子...

应用自动数据增强 概述 ImageNet自动数据增强 参考文献 应用自动数据增强 Linux Ascend GPU CPU 数据准备 中级 高级 概述 自动数据增强（AutoAugment）[1]是在一系列图像增强子策略的搜索空间中，通过搜索算法找到适合特定数据集的图像增强方案。MindSpore的c_transforms...

保存模型 概述 保存CheckPoint格式文件 CheckPoint配置策略 导出MINDIR格式文件 导出AIR格式文件 导出ONNX格式文件 保存模型 Linux Ascend GPU CPU 模型导出 初级 中级 高级 概述 在模型训练过程中，可以添加检查点(CheckPoint)用于保存模型的参数，以便进...

在ResNet-50网络上应用二阶优化实践 概述 准备环节 准备数据集 配置分布式环境变量 Ascend 910 GPU 加载处理数据集 定义网络 定义损失函数及THOR优化器 定义损失函数 定义优化器 训练网络 配置模型保存 配置训练网络 运行脚本 Ascend 910 GPU 模型推理 定义推理网络 执行推理 Asce...

模型安全 概述 建立被攻击模型 引入相关包 加载数据集 建立模型 对抗性攻击 对抗性防御 防御实现 防御效果 模型安全 概述 本教程介绍MindArmour提供的模型安全防护手段，引导您快速使用MindArmour，为您的AI模型提供一定的安全防护能力。 AI算法设计之初普遍未考虑相关的安全威胁，使得AI算法的判断结果容易被恶...