- 1、本文档共9页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
DOCPROPERTY ProductProject Name
DOCPROPERTY DocumentName
PAGE i
DOCPROPERTY ProprietaryDeclaration 华为专有和必威体育官网网址信息
版权所有 ? 华为技术有限公司
文档版本 DOCPROPERTY DocumentVersion 01 ( DOCPROPERTY ReleaseDate 2015-12)
华为ICT认证系列教程
DOCPROPERTY ProductProject Name
人工智能技术
第5章 MindSpore开发框架
实验指导手册
使用MindSpore进行手写数字识别
配置运行信息
MindSpore通过context.set_context来配置运行需要的信息,譬如运行模式、后端信息、硬件等信息。
导入context模块,配置运行需要的信息。
Import osImport
Import os
Import argparse
From mindspore import context
parser=argparse.ArgumentParser(description=MindSporeLeNetExample)
parser.add_argument(—device_target,type=str,default=CPU,choices=[Ascend,GPU,CPU])
args=parser.parse_known_args()[0]
context.set_context(mode=context.GRAPH_MODE,device_target=args.device_target)
在样例中,我们配置样例运行使用图模式。根据实际清况配置硬件信息,譬如代码运行在AscendAl处理器上,
则--device_target选择Ascend,代码运行在CPU、GPU同理。
下载数据集
我们示例中用到的MNIST数据集是由10类28*8的灰度图片组成,训练数据集包含60000张图片,测试数据集包含10000张图片。
你可以从MNIST数据集下载页面( http://ya /exdb/mnist/( http://ya /exdb/mnis/))下载,并按下方目录结构放置,或直接运行如下命令完成下载和放置:
!mkdir-p./
!mkdir-p./datasets/MNIST_Data/train./datasets/MNIST_Data/test
!wget-NP./datasets/MNIST_Data/train /notebook/date
!wget-NP./datasets/MNIST_Data/train /notebook/datew!get-NP./datasets/MNIST_Data/test /notebook/data:匈
!wget-NP./datasets/MNIST_Data/test /notebook/datai
!tree./datasets/MNIST_Data
数据处理
数据集对于模型训练非常重要,好的数据集可以有效提高训练精度和效率。MindSpore提供了用于数据处理的API模块mindspore.dataset,用千存储样本和标签。在加载数据集前,我们通常会对数据集进行一些处理,mindspore.dataset也集成了常见的数据处理方法。
首先导入MindSpore中mindspore.dataset和其他相应的模块。
In [3]:
Import
Import mindspore.dataset as ds
Import mindspore.dataset.transforms.c_transforms as C
Import mindspore.dataset.vision.c_transforms as CV
from mindspore.dataset.vision import Inter
from mindspore import dtype as mstype
数据集处理主要分为四个步骤:
1.定义函数create_dataset来创建数据栠。
2.定义需要进行的数据增强和处理操作,为之后进行map映射做准备。
3..使用map映射函数,将数据操作应用到数据集。
4.进行数据shuffle、batch操作
In [4]:
def create_
def create_dataset(data_path,batch_size=32,repeat_size=l,
num_parallel_workers=l):
#定义数据集
mnist_ds=ds.MnistDataset(data_path)
r
您可能关注的文档
- 人工智能技术实验手册 第1章人工智能技术实验环境搭建指南.docx
- 人工智能技术实验手册 第2章 机器学习概览实验指导手册.docx
- 人工智能技术实验手册 第3章 深度学习概览实验指导手册.docx
- 人工智能技术实验手册 第4章 TensorFlow开发框架实验指导手册.docx
- 人工智能技术实验手册 第6章 Hello Davinci实验指导手册.docx
- 人工智能技术实验手册 第7章 Huawei HiAi实验指导手册.docx
- 大学生职业规划大赛《音乐表演专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《口腔医学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《汽车服务工程专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《食品科学与工程专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《新闻学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《应用统计学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《音乐学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《中医学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《信息管理与信息系统专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《汽车服务工程专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《水产养殖学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《市场营销专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《音乐表演专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《音乐学专业》生涯发展展示PPT.pptx
文档评论(0)