如何参与社区 贡献代码 贡献文档 如何参与社区 贡献代码 如何贡献代码，请参见链接 https://gitee.com/mindspore/mindspore/blob/master/CONTRIBUTING.md 。 贡献文档 如何贡献文档，请参见链接 https://gitee.com/mindspore/docs/blob/ma...

Executor in Action Fastai Pytorch Lightning Paddle Tensorflow MindSpore Scikit-learn PyTorch ONNX Executor in Action Fastai This Executor uses the ResNet18 network fo...

训练时验证模型 概述 定义回调函数EvalCallBack 定义训练网络并执行 定义函数绘制不同epoch下模型的精度 总结 训练时验证模型 Linux Ascend GPU CPU 初级 中级 高级 模型导出 模型训练 概述 在面对复杂网络时，往往需要进行几十甚至几百次的epoch训练。在训练之前，很难...

加载图像数据集 概述 准备 加载数据集 数据处理 数据增强 参考文献 加载图像数据集 Linux Ascend GPU CPU 数据准备 初级 中级 高级 概述 在计算机视觉任务中，图像数据往往因为容量限制难以直接全部读入内存。MindSpore提供的mindspore.dataset 模块可以帮助用户构建数据集对...

加载数据集 概述 加载常见的数据集 加载特定数据格式的数据集 MindSpore数据格式 Manifest数据格式 TFRecord数据格式 加载自定义数据集 加载数据集 概述 MindSpore可以帮助你加载常见的数据集、特定数据格式的数据集或自定义的数据集。加载数据集时，需先导入所需要依赖的库mindspore.dataset ...

使用ResNet-50网络实现图像分类 概述 图像分类 任务描述及准备 下载CIFAR-10数据集 数据预加载和预处理 定义卷积神经网络 定义损失函数和优化器 调用Model 高阶API进行训练和保存模型文件 加载保存的模型，并进行验证 参考文献 使用ResNet-50网络实现图像分类 Linux Ascend GPU 全流程...

模型参数的保存和加载 概述 模型参数保存 CheckPoint配置策略 模型参数加载 用于推理验证 用于再训练场景 模型参数的保存和加载 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，以便进行推理及中断后再训练使用。 使用场景如下： 训练后推理场景 模型训练完毕后保存模型的参数，用于推理或...

Python源码构造网络约束 概述 语法约束 支持的Python数据类型 MindSpore扩展数据类型 表达式类型 语句类型 系统函数 函数参数 操作符 切片操作 不支持的语法 网络定义约束 整网实例类型 网络输入类型 网络图优化 网络构造组件 其他约束 Python源码构造网络约束 概述 MindSpore完...

分布式并行训练 分布式并行训练 在深度学习中，当数据集和参数量的规模越来越大，训练所需的时间和硬件资源会随之增加，最后会变成制约训练的瓶颈。分布式并行训练，可以降低对内存、计算性能等硬件的需求，是进行训练的重要优化手段。根据并行的原理及模式不同，业界主流的并行类型有以下几种： 数据并行（Data Parallel）：对数据进行切分的并行模式，一般按...

mindinsight.lineagemgr mindinsight.lineagemgr Lineagemgr Module Introduction. This module provides Python APIs to collect and query the lineage of models.Users can add the Tra...