Mindspore开发（一）：编程概念
【摘要】 一、编程概念：张量（Tensor）• MindSpore中最基础的数据结构是张量 (Tensor)，是计算的基础 ： > 是Parameter（权重和偏置）的载体，Feature Map的载体； > 可与numpy.ndarray无缝转换1. Tensor声明和使用 t1 = Tensor(np.zeros([1, 2, 3]), ms.float32) assert isinstance(...
MindSpore是匹配昇腾芯片的最佳开源AI计算框架，支持Asend、GPU、CPU平台。下面对Mindspore的开发做一个基础的编程介绍。
一、编程概念：张量（Tensor）
• MindSpore中最基础的数据结构是张量 (Tensor)，是计算的基础 ：
> 是Parameter（权重和偏置）的载体，Feature Map的载体；
> 可与numpy.ndarray无缝转换
1. Tensor声明和使用
t1 = Tensor(np.zeros([1, 2, 3]),
ms.float32)
assert isinstance(t1, Tensor)
assert t1.shape == (1, 2, 3)
assert t1.dtype == ms.float32
2. Tensor是Parameter的数据载体
Parameter的属性：
• default_input: Tensor
• name: str
• requires_grad: bool
• layerwise_parallel: bool
3. Tensor常见的操作
// 转换成Numpy数组
asnumpy()
// 获取Tensor的大小
size()
// 获取Tensor的维数
dim()
// 获取Tensor的数据类型
dtype
// 设置Tensor的数据类型
set_dtype()
// 获取Tensor的形状.
shape
二、编程概念：算子（Operation）
1、常用的Operation：
（1）array: Array相关的算子
- ExpandDims
- Squeeze
- Concat
- OnesLike
- Select
- StridedSlice
- ScatterNd
- ……
（2） math: 数学计算相关的算子
- AddN
- Cos
- Sub
- Sin
- Mul
- LogicalAnd
- MatMul
- LogicalNot
- RealDiv
- Less
- ReduceMean
- Greater …..
（3） nn: 网络类算子
- Conv2d
- MaxPool
- Flatten
- AvgPool
- Softmax
- TopK
- ReLU
- SoftmaxCrossEntropy
- Sigmoid
- SmoothL1Loss
- Pooling
- SGD
- BatchNorm
- SigmoidCrossEntropy …..
（4）control: 控制类算子
- ControlDepend
示例如下：
>>> data1 = Tensor(np.array([[0, 1], [2,
1]]).astype(np.int32))
>>> data2 = Tensor(np.array([[0, 1], [2,
1]]).astype(np.int32))
>>> op = P.Concat()
>>> output = op((data1, data2))
>>> cos = P.Cos()
>>> input_x = Tensor(np.array([0.24, 0.83, 0.31, 0.09]),
mindspore.float32)
>>> output = cos(input_x)
>>> input_x = Tensor(np.array([-1, 2, -3, 2, -1]),
mindspore.float16)
>>> relu = nn.ReLU()
>>> relu(input_x)
[0. 2. 0. 2. 0.]
三、编程概念：Cell
• Cell是MindSpore核心编程结构，定义了执行计算的基本模块。Cell对象有以下成员方法：
> __init__，初始化参数（Parameter），子模块（Cell），算子（Primitive）等组件，进行初始化的校验；
> construct，定义执行的过程，有一些语法限制。图模式时，会被编译成图来执行；
> bprop（可选），自定义模块的反向。未定义时，框架会自动生成反向图，计算construct的反向。
• 预定义的Cell
> nn算子：ReLU, Dense, Conv2d
> Loss, Optimizer, Metrics
> Wrapper：TrainOneStepCell, WithLossCell, WithGradCell
示例如下：
class MyNet(nn.Cell):
def __init__(self, in_channel, out_channel):
super(MyNet, self).__init__()
self.fc = nn.Dense(in_channel, out_channel, weight_init='normal', bias_init='zero', has_bias=True)
self.relu = nn.ReLU()
def construct(self, x):
x = self.fc(x)
x = self.relu(x)
return x
四、常用模块
| 模块 | 描述 |
|
mindspore.dataset
|
常见Dataset加载和处理接口，如MNIST, CIFAR-10, VOC, COCO, ImageFolder, CelebA等；
transforms提供基于OpenCV、PIL及原生实现的数据处理、数据增强接口；
text提供文本处理接口；
|
|
mindspore.common
|
Tensor（张量），Parameter（权重、偏置等参数），dtype （数据类型）及Initializer（Parameter初始化）等接口
|
|
mindspore.context
|
设置上下文，如设置Graph和PyNative模式、设备类型、中间图或数据保存、Profiling、设备内存、自动并
行等
|
|
mindspore.nn
|
Neural Network常用算子，如Layer（层）、Loss（损失函数）、Optimizer（优化器）、Metrics（验证指
标）以及基类Cell和Wrapper
|
|
mindspore.ops
|
原语算子operations（需初始化），组合算子composite，功能算子（已初始化的原语算子）
|
|
mindspore.train
|
Model（训练、验证、推理接口）、callback（损失监控、Checkpoint保存、Summary记录等），
serialization（加载Checkpoint、导出模型等），quant（量化）
|
【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）