course

基于MindSpore开源深度学习框架的实验指导，仅用于教学或培训目的。

部分内容来源于开源社区、网络或第三方。如果有内容侵犯了您的权力，请通过issue留言，或者提交pull request。

请前往MindSpore开源社区获取更多视频和文档教程。

内容

建议先学习MindSpore入门了解MindSpore及其用法。再学习手写数字识别和模型保存和加载，了解如何通过ModelArts训练作业、ModelArts Notebook、或本地环境进行实验，以及三者的注意事项。

对于MindSpore端侧，建议先体验端侧图像分类应用部署，再了解端侧C++推理流程并完成课后任务，完成由浅入深的端侧推理部分学习过程。

深度学习

1. 手写数字识别[LeNet5][Ascend/CPU/GPU]
2. 模型保存和加载[LeNet5][Ascend/CPU/GPU]
3. 优化器对比[Dense]
4. 正则化对比[Conv1x1]

计算机视觉

1. FashionMNIST图像分类[MLP]
2. CIFAR-10图像分类[ResNet50]
3. 花卉分类[MobileNetV2]
4. 语义分割[DeepLabV3]
5. 人、脸、口罩检测[YOLOV3][ResNet18]
6. 生物图像分割[U-Net]
7. 端侧部署图像分类应用[MobileNetV2][Lite]
8. 端侧实现目标检测推理流程[ssd_MobileNetV2][Lite]

自然语言处理

1. 情感分类[LSTM][CPU/GPU]
2. 中英翻译[Transformer]
3. 新闻分类、命名实体识别[BERT, CRF]

图神经网络

1. 科学出版物分类[GCN]
2. 科学出版物分类[GAT]

机器学习

1. 线性方程拟合[Linear Regression]
2. 鸢尾花二分类[Logistic Regression]
3. 鸢尾花三分类[Softmax Regression]
4. 葡萄酒分类[KNN]
5. 鸢尾花特征主成分分析[PCA]

性能加速

1. 图算融合
2. 混合精度

大作业

1. 模型和训练策略调优[CNN]

版权

• Apache License 2.0
• Creative Commons License version 4.0