昇思MindSpore介绍
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、全场景覆盖三大目标。
其中，易开发表现为API友好、调试难度低；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。
昇思MindSpore总体架构如下图所示：
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，如GNN/深度概率编程/强化学习等，期待更多开发者来一起贡献和构建。
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，加速了科学行业应用开发（了解更多）。
Expression（全场景统一API）：基于Python的前端表达与编程接口。同时未来计划陆续提供C/C 、华为自研编程语言前端-仓颉（目前还处于预研阶段）等第三方前端的对接工作，引入更多的第三方生态。
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，支持用户灵活的定义处理注册和pipeline并行优化。
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（了解更多)。
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，如对抗鲁棒性、模型安全测试、差分隐私训练、隐私泄露风险评估、数据漂移检测等技术（了解更多）。
执行流程
第一步 安装ptyhon 环境
Anaconda的下载 或者直接安装python 都行， 建议用 Anaconda 的安装 方便省事 安装就略过 不是本文重点，我的是pyrhon3.7.6
第二步 Mindspore安装
去到MindSpore 安装页面 根据需要选择版本 获取安装命令
根据官网的 安装命令 在 cmd中输入 ，等待安装相关依赖即可
验证
通过cmd 中输入
代码语言：javascript复制python -c "import mindspore;mindspore.run_check()"出现如下所示 即为安装成功
实战
昇思MindSpore j技术博客中有不少使用案例的文章 可以先参照上手试一试，或看看都用MindSpore干了撒
