【MindSpore易点通】安装教程

简介: 🍀作者简介:准大一学生,在成为一名渗透测试工程师的路上长久努力

正文

hello,大家好,今天来给大家推荐【MindSpore易点通】


昇思MindSpore开源实习是MindSpore社区携手openEuler社区等多个社区共同发起的线上实习项目,旨在鼓励在校学生积极参与开源社区,在实际的开源环境中提升实践能力。由昇思MindSpore社区提供实习任务,并提供导师辅导,学生通过实习申请后,可在社区领取任务,每完成一个任务可获得相应积分,积分累计达规定量后,可获得实习证明和实习工资。


【MindSpore易点通】有四个特点


  • 简单的开发体验
  • 全场景快速部署
  • 充分发挥硬件潜能
  • 灵活的调试模式

网页上有大量入门视频,如果我粗浅的语言不能够涵盖过程,希望大家可以来看看


80461c6aa46c4104a0063c8607a3f3c8.png


安装界面


cd13e4eee18e442f979a8ea200b053f3.png

点击第二栏的安装,选择相应的版本、硬件平台、操作系统、编程语言以及安装方式


复制相应命令,输入win+R,cmd,在重点界面输入复制的命令,即可执行安装


如果安装1.7.0以上版本,可参考安装页面获取安装命令和安装指南


首先以安装linux系统为例


确认系统为win10,python版本在3.7~3.9之间


安装完毕后需将Python和Pip添加到系统环境变量。

b1d8e735d6024b95978882beaba0955c.png

4c1a98ac714f4bddbd3f3f5d8d740e14.png

输入官网提供的安装命令进行安装。安装过程中会自动下载相关依赖项,请保持网络通畅。


安装后查看是否显示版本号,如果显示版本号即安装成功。


评价

宣传里最吸引我的是自动并行以及微分机制,然后看了下例子,他可以用torch的方式定义网络并用静态图方式训练,感觉蛮不错的。



目录
相关文章
|
机器学习/深度学习 并行计算 PyTorch
Pytorch的安装以及入门使用
Pytorch的安装以及入门使用
346 0
|
机器学习/深度学习 并行计算 PyTorch
PyTorch安装教程
PyTorch是学习深度学习时常用的Python神经网络框架,本文将介绍其部分版本的安装方式。Windows和Linux通用。 作者使用anaconda作为管理虚拟环境的工具。以下工作都在虚拟环境中进行,对Python和Aanaconda的安装及对虚拟环境的管理本文不作赘述,后期可能会撰写相关的博文。
PyTorch安装教程
|
10月前
|
PyTorch 算法框架/工具 Python
pytorch安装教程
pytorch安装教程
198 0
|
2月前
|
PyTorch 算法框架/工具 芯片
新手入门:DGL在昇腾上的安装问题
本文介绍了在aarch64架构和Python 3.10环境下安装DGL(Deep Graph Library)的过程。首先通过`uname -a`确认硬件架构,接着使用`python --version`检查Python版本。为确保兼容性,从指定链接下载适合的whl包或通过pip安装dgl。过程中遇到了torchdata版本不兼容的问题,通过降级torchdata至0.7.1版本解决。此外,针对NPU芯片适配,重新安装了与CANN 8.0.RC2兼容的torch和torch_npu组件。最终成功导入dgl包并准备进行模型训练验证。
|
机器学习/深度学习 人工智能
LabVIEW使用OpenVINO加速必备工具包下载与安装教程
LabVIEW使用OpenVINO加速必备工具包下载与安装教程
320 0
LabVIEW使用OpenVINO加速必备工具包下载与安装教程
|
机器学习/深度学习 人工智能 数据安全/隐私保护
昇思MindSpore安装教程
昇思MindSpore安装教程
352 0
|
Ubuntu TensorFlow 算法框架/工具
最新 Tensorflow 2.2极简安装教程 | 学习笔记
快速学习最新 Tensorflow 2.2极简安装教程
最新 Tensorflow 2.2极简安装教程 | 学习笔记
|
人工智能 边缘计算 算法
MindSpore安装教程
MindSpore安装教程
1178 0
MindSpore安装教程
|
并行计算 PyTorch 测试技术
TensorFlow安装教程
TensorFlow安装教程
TensorFlow安装教程
|
机器学习/深度学习 PyTorch 算法框架/工具
Pytorch入门教程
概念:由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库。 优势:简洁、上手快、具有良好的文档和社区支持、项目开源、支持代码调试、丰富的扩展库
546 0
Pytorch入门教程