当前位置：首页 > news >正文

一文带你了解MindSpore的知识及安装入手

news 2025/6/6 16:36:26

🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝

🥇博主昵称：Jovy.

🍟博客主页：Jovy.的博客

🥗感谢点赞👍评论🃌

⚇很方便的在线编辑器：Lightly

让我们一起在写作中记录学习吧！

MindSpore是什么？

MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景覆盖三大目标，其中易开发表现为API友好、调试难度低（以简单易上手的Python作为基础），高效执行包括计算效率、数据预处理效率和分布式训练效率，全场景则指框架同时支持云、边缘以及端侧场景

如今MindSpore的使用人数更是达到了3.5M+，总Star数达到了21.6k，总Issue数达到了24.1k，总PR数61.5k

MindSpore的总体架构

ModelZoo（模型库）：ModelZoo提供可用的深度学习算法网络，也欢迎更多开发者贡献新的网络(ModelZoo地址)。
Extend（扩展库）：昇思MindSpore的领域扩展库，支持拓展新领域场景
Science（科学计算）：MindScience是基于昇思MindSpore融合架构打造的科学计算行业套件，包含了业界领先的数据集、基础模型、预置高精度模型和前后处理工具
Expression（全场景统一API）：基于Python的前端表达与编程接口
第三方前端：支持第三方多语言前端表达
Data（数据处理层）：提供高效的数据处理、常用数据集加载等功能和编程接口
Compiler（AI编译器）：图层的核心编译器，主要基于端云统一的MindIR实现三大功能，包括硬件无关的优化（类型推导、自动微分、表达式化简等）、硬件相关优化（自动并行、内存优化、图算融合、流水线执行等）、部署推理相关的优化（量化、剪枝等）。
Runtime（全场景运行时）：昇思MindSpore的运行时系统，包含云侧主机侧运行时系统、端侧以及更小IoT的轻量化运行时系统。
Insight（可视化调试调优工具）：昇思MindSpore的可视化调试调优工具，能够可视化地查看训练过程、优化模型性能、调试精度问题、解释推理结果
Armour（安全增强库）：面向企业级运用时，安全与隐私保护相关增强功能

MindSpore的安装

因为MindSpore是基于Python的，所以我们得先下载安装Python的运行环境（现在MindSpore只支持Python3.7-3.9）但是Python已经出到3.11了，不过我们只能选择3.7-3.9之间的类型我这边给大家提供了windows64位的3.7.5的安装程序

链接：https://pan.baidu.com/s/1K5ojfpunPbID6VgAjpt2Bg?pwd=0000
提取码：0000

勾选将环境加入到系统环境变量，然后选择第二个（图示错误箭头）选项自定义安装，将能勾选的都选上，然后一直next即可

执行：win+r-->输入cmd-->回车进入到命令提示符，输入python即可查看是否安装成功，出现下图即为安装成功

因为他是3.7.5版本是19年发布的，所以他的pip功能已经滞后了，那么我们就要进行更新，在更新之前我们得先使用 exit() 来推出python运行环境，因为在环境里不能对自己进行更新

python -m pip install --upgrade pip

等待一小会儿即可安装成功，那么接下来就要进入到MindSpore的安装了，根据自己的需要选择相应版本获取到对应的安装代码，与上述一样，在终端进行pip的安装

出现如上界面即是安装成功

python -c "import mindspore;mindspore.run_check()"

通过以上代码即可查看是否安装成功

pip install --upgrade mindspore=={version}

通过以上代码即可升级版本

初步入门

import mindspore
from mindspore import nn
from mindspore import ops
from mindspore.dataset import vision, transforms
from mindspore.dataset import MnistDataset

通过以上代码来进行导入库

他还有以下几个步骤，在后续的文章中会进行讲解