mindspore快速入门回顾

• 导入mindspore包

• 处理数据集

  • 下载mnist数据集
  • 进行数据集预处理
    • MnistDataset()方法
    • train_dataset.get_col_names() 打印列名信息
    • 使用create_tuple_iterator 或create_dict_iterator对数据集进行迭代访问

• 网络构建

  • mindspore.nn: 构建所有网络的基类
  • 用的层有
    • Flatten
    • Dense
    • ReLU

• 模型训练

  • 正向计算
    • logits:预测结果
    • label:正确标签
    • loss:预测损失
  • 反向传播
    • parameters:模型参数
    • grandients:loss梯度
  • 参数优化：将梯度更新到参数上。
  • 步骤：
    • 定义正向计算函数
    • 使用value_and_grad通过函数变换获得梯度计算函数。
    • 定义训练函数，使用set_train设置为训练模式，执行正向计算、反向传播和参数优化。

• 保存模型

• 加载模型