昇思数据集学习打卡营第1天 MindSpore数据集深度学习实战

支持全场景统一部署

昗思MindSpore基于全产业的最佳实践

提供Python编程范式，简化AI编程

昇思MindSpore支持基于Python的编程范式，在开发人工智能模型时提供强大的工具支持。开发者能够通过原生的Python语法直接操控逻辑流程，并构建复杂的人工智能算法框架。该平台显著简化了机器学习模型的设计与实现过程。

提供动态图和静态图统一的编码方式

目前主流的深度学习框架主要采用两种执行模式：静态计算图模式与动态计算图模式。其中前者在训练性能方面表现优异但调试较为复杂；后者则在易用性方面具有显著优势但可能会影响执行效率。

设置set_context(mode=PYNATIVE_MODE)可切换成动态图模式。

设置set_context(mode=GRAPH_MODE)可切换成静态图模式。

采用AI和科学计算融合编程，使用户聚焦于模型算法的数学原生表达

在基于AI模型训练推理编程基础之上，在原有基础上增加了灵活自动微分的能力，并能够处理函数及控制流结构下的求导过程。该系统不仅包括正向模式和高阶模式等多种高级求导方法，并且允许用户通过编程实现所需的数学运算功能

分布式训练原生

随着神经网络模型与数据集规模的不断扩大, 分布式并行训练已成为现代深度学习的主要方式之一, 然而, 在实际应用中选择合适的分布式并行策略及实现细节相当复杂, 这一挑战严重削弱了深