Day1:基础及入门
完成了入门训练
训练结束后标注自己的名字和时间(有点小激动)。![训练结束后标注自己的名字和时间](https://img-blog.csdnimg.cn/direct/fdc00778f2dd42acb792476f5c50f03a.png)
过程如下:
1.启动Jupyter
2.引入mindspore
3.处理数据集
MindSpore提供基于Pipline的数据引擎,通过数据集(Dataset)和数据变换(Transforms)实现高效的数据处理。这里使用Mnist数据集,自动下载后使用mindspore.dataset提供的数据变换进行预处理。
合理的创建标题,有助于目录的生成
直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC
语法后生成一个完美的目录。
MNIST数据集目录如下
数据集下载完成后,获得数据集对象。
打印数据集中包含的数据列名,用于dataset的预处理。
MIndSpore的dataset使用数据处理流水线(Data Processing Pipeline),需要制定map、batch、shuffle等。这里使用map对图像数据及标签进行变换处理,然后把处理好的数据集打包为大小为64的batch。
可使用creat_tuple_iterator或create_dict_iteratior对数据集进行迭代访问,查看数据和标签的shape和datatype。
网络构建
mindspore.nn类是构建所有网络的基类,也是网络的基本单元。
模型训练
分三步:1.正向计算 2.反向传播 3.参数优化
定义测试函数,评估模型性能。
目录中会出现:
保存模型
加载模型
加载模型分两步:1.重新实例化模型对象,构造模型。2.加载模型参数,并将其加载至模型上。
加载后的模型可以用于推理。