一、背景：

昇思25天打卡是华为组织的一个学习营，免费报名参加，免费提供算力支持。

二、学习的内容：

今天我是打卡的第一天，我学习的课程是基本介绍和快速入门，由于我此前没有这方面的基础，或者说是比较薄弱，所以先通过这两节熟悉熟悉。

1.基本介绍

基本介绍这一节课整体介绍昇思MindSpore和华为昇腾AI全栈，并介绍昇思MindSpore在华为昇腾AI全栈中的位置。

昇思MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景统一部署三大目标。

下图是它的架构图

下图是它的执行流程

2.快速入门

本节通过MindSpore的API来快速实现一个简单的深度学习模型。

环境的初始化

数据集的处理和下载

查看

MindSpore的dataset使用数据处理流水线（Data Processing Pipeline），需指定map、batch、shuffle等操作。这里我们使用map对图像数据及标签进行变换处理，然后将处理好的数据集打包为大小为64的batch。

可使用create_tuple_iterator 或create_dict_iterator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。当用户需要自定义网络时，可以继承nn.Cell类，并重写__init__方法和construct方法。__init__包含所有网络层的定义，construct中包含数据（Tensor）的变换过程。

模型训练

在模型训练中，一个完整的训练过程（step）需要实现以下三步：

1. 正向计算：模型预测结果（logits），并与正确标签（label）求预测损失（loss）。
2. 反向传播：利用自动微分机制，自动求模型参数（parameters）对于loss的梯度（gradients）。
3. 参数优化：将梯度更新到参数上。

训练过程需多次迭代数据集，一次完整的迭代称为一轮（epoch）。在每一轮，遍历训练集进行训练，结束后使用测试集进行预测。打印每一轮的loss值和预测准确率（Accuracy），可以看到loss在不断下降，Accuracy在不断提高。

训练过程

模型训练完成后，需要将其参数进行保存

保存后会在目录出现

加载模型

打印出来是空即模型加载完成。

加载后的模型可以直接用于预测推理。

总结

查看基本简介能大概了解到昇腾整个框架，从快速入门这节课能够加深对这方面的理解，跟着教程一步步走，我学到了数据集、网络的构建、和模型的处理等方面的知识，以及认识到它们和AI之间的关系。