《MindSpore基礎實踐》——MindSpore基礎

1 MindSpore介紹

1.1 關于MindSpore

MindSpore是端邊云全場景按需協同的華為自研AI計算框架，提供全場景統一API，為全場景AI的模型開發、模型運行、模型部署提供端到端能力。

MindSpore采用端-邊-云按需協作分布式架構、微分原生編程新范式以及AI Native新執行模式，實現更好的資源效率、安全可信，同時降低行業AI開發門檻、釋放昇騰芯片算力，助力普惠AI。

詳情參考：MindSpore官網

1.2 MindSpore安裝

MindSpore支持Ascend、GPU、CPU，大家可以根據自己的平臺的選擇適合自己的MindSpore包，下面以Windows平臺為例進行安裝。

MindSpore是支持Windows平臺的，只不過只能以CPU的模式運行（暫時不支持Windows平臺的GPU）。如果希望嘗試MindSpore對GPU的支持，需要使用Ubuntu系列或者華為的EulerOS。

1.3 安裝Anaconda

非常推薦使用Anaconda作為Python虛擬環境的管理。

你可以去Anaconda官網下載，一路Next即可。

1.4 創建MindSpore的Python Env

目前MindSpore僅僅支持Python 3.7.5，下面創建的pyhton env就叫做mindspore：

conda create -n mindspore python=3.7.5

1.5 安裝MindSpore

我們使用pip方式進行安裝

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.1/MindSpore/cpu/windows_x64/mindspore-1.2.1-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

1.6 驗證是否安裝成功

python -c “import mindspore;print(mindspore.version)”

如果輸出MindSpore版本號，說明MindSpore安裝成功了，如果輸出No module named 'mindspore'說明未安裝成功。

2 MindSpore基礎

2.1 張量和數據類型

張量（Tensor）是MindSpore網絡運算中的基本數據結構。張量中的數據類型可參考dtype。

不同維度的張量分別表示不同的數據，0維張量表示標量，1維張量表示向量，2維張量表示矩陣，3維張量可以表示彩色圖像的RGB三通道等等。

MindSpore張量支持不同的數據類型，包含int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64、bool_，與NumPy的數據類型一一對應。

在MindSpore的運算處理流程中，Python中的int數會被轉換為定義的int64類型，float數會被轉換為定義的float32類型。

步驟 1 指定MindSpore數據類型

導入MindSpore，設置Jupyter notebook的cell同時輸出多行。

# 導入MindSpore import mindspore from mindspore import dtype from mindspore import Tensor # cell同時輸出多行 from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all"

# 指定數據類型 a = 1 type(a) b = Tensor(a, dtype.float64) b.dtype

步驟 2 張量構造

構造張量時，支持傳入Tensor、float、int、bool、tuple、list和NumPy.array類型，其中tuple和list里只能存放float、int、bool類型數據。

Tensor初始化時，可指定dtype。如果沒有指定dtype，初始值int、float、bool分別生成數據類型為mindspore.int32、mindspore.float32、mindspore.bool_的0維Tensor， 初始值tuple和list生成的1維Tensor數據類型與tuple和list里存放的數據類型相對應，如果包含多種不同類型的數據，則按照優先級：bool < int < float，選擇相對優先級最高類型所對應的mindspore數據類型。 如果初始值是Tensor，則生成的Tensor數據類型與其一致；如果初始值是NumPy.array，則生成的Tensor數據類型與之對應。

用數組創建張量

import numpy as np from mindspore import Tensor # 用數組創建張量 x = Tensor(np.array([[1, 2], [3, 4]]), dtype.int32) x

用數值創建張量

# 用數值創建張量 y = Tensor(1.0, dtype.int32) z = Tensor(2, dtype.int32) y z

用Bool創建張量

# 用Bool創建張量 m = Tensor(True, dtype.bool_) m

用tuple創建張量

# 用tuple創建張量 n = Tensor((1, 2, 3), dtype.int16) n

用list創建張量

# 用list創建張量 p = Tensor([4.0, 5.0, 6.0], dtype.float64) p

用常量創建張量

# 用常量創建張量 q = Tensor(1, dtype.float64) q

步驟 3 張量的屬性

張量的屬性包括形狀（shape）和數據類型（dtype）。

形狀：Tensor的shape，是一個tuple。

數據類型：Tensor的dtype，是MindSpore的一個數據類型。

x = Tensor(np.array([[1, 2], [3, 4]]), dtype.int32) x_shape = x.shape # 形狀 x_dtype = x.dtype # 數據類型 x_shape x_dtype

x = Tensor(np.array([[1, 2], [3, 4]]), dtype.int32) x.shape # 形狀 x.dtype # 數據類型 x.ndim # 維度 x.size # 大小

步驟 4 張量的方法

asnumpy()：將Tensor轉換為NumPy的array。

y = Tensor(np.array([[True, True], [False, False]]), dtype.bool_) # 將Tensor數據類型轉換成NumPy y_array = y.asnumpy() y y_array

2.2 數據集加載

MindSpore.dataset提供API來加載和處理各種常見的數據集，如MNIST, CIFAR-10, CIFAR-100, VOC, ImageNet, CelebA等。

步驟 1 加載MNIST數據集

mindspore.dataset.MnistDataset

import os import mindspore.dataset as ds import matplotlib.pyplot as plt dataset_dir = "./data/train" # 數據集路徑 # 從mnist dataset讀取3張圖片 mnist_dataset = ds.MnistDataset(dataset_dir=dataset_dir, num_samples=3) # 設置圖像大小 plt.figure(figsize=(8,8)) i = 1 # 打印3張子圖 for dic in mnist_dataset.create_dict_iterator(output_numpy=True): plt.subplot(3,3,i) plt.imshow(dic['image'][:,:,0]) plt.axis('off') i +=1 plt.show()

MindSpore還支持加載多種數據存儲格式下的數據集，用戶可以直接使用mindspore.dataset中對應的類加載磁盤中的數據文件。

步驟 2 加載NumPy數據集

mindspore.dataset.NumpySlicesDataset

import mindspore.dataset as ds data = ds.NumpySlicesDataset([1, 2, 3], column_names=["col_1"]) for x in data.create_dict_iterator(): print(x)

3 參考資料

https://gitee.com/mindspore/mindspore

https://github.com/mindspore-ai/mindspore

MindSpore

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。