图像分类实践.pptx

课程编码适用产品产品版本课程版本2021.5.252021.5.252021.5.252021.5.252021.5.25作者/工号时间审核人/工号新开发/优化昇腾AI应用第五章基于MindSpore建模实践——图像分类识别实践案例演示操作案例应用场景案例规划部署案例相关知识案例应用场景案例演示操作案例规划部署案例相关知识图像分类的应用场景在众多处理图像中，将图像进行分类将是最基本的任务。本实验将利用卷积神经网络进行图像识别，实验中使用的深度学习框架Mindspore构建是卷积神经网络模型解决图像分类问题。实验使用的数据集是Cifar-10，CIFAR-10数据集由10个类的60000个32x32彩**像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像，学员们将通过本实验基本理解物理识别的基础理解。案例应用场景案例演示操作案例规划部署案例相关知识演示操作流程——环境准备准备工作：演示操作流程——加载数据集演示操作流程——数据集预处理演示操作流程——分类模型训练演示操作流程——分类模型训练演示操作流程——模型评估演示操作流程——图片预测案例应用场景案例演示操作案例规划部署案例相关知识案例规划部署定义一个网络，这里我们使用LeNet网络。自定义回调函数收集模型的损失值和精度值。加载数据集并进行训练，训练完成后，查看结果及保存模型文件。加载保存的模型，进行推理。验证模型，加载测试数据集和训练后的模型，验证结果精度。案例应用场景案例演示操作案例规划部署案例相关知识相关知识概述本节主要任务：了解Mindspore开发框架简介了解Mindspore核心架构了解Mindspore自动微分及自动并行了解Mindspore新编程范式、AscendNative的执行引擎了解Mindspore一次开发，多次部署、软硬件协同优化掌握Mindspore在window和ubuntu上部署安装掌握图像分类的基本步骤掌握图像分类的主要技术华为全栈AI解决方案MindSpore全场景统一APIUnifiedAPIsforallscenarios开发态友好：AI算法即代码通过自动微分、自动并行、自动调优等技术，减少代码，提升开发效率自动并行Automaticparallelization自动微分Automaticdifferentiation自动调优AutomatictuningMindSporeIR计算图表达MindSporeintermediaterepresentation(IR)forcomputationgraphs运行态高效：面向昇腾芯片优化通过图/算子编译加速以及神经网络并行执行，协同昇腾芯片实现性能优势深度图优化DeepgraphoptimizationPipeline并行PipelineparallelismOn-Device执行On-deviceexecution部署态灵活：全场景按需协同通过模型自适应、异构计算等技术，实现从IoT设备到云的灵活部署BusinessNumber02端-边-云按需协作分布式架构（部署、调度、通信等）Device-edge-cloudcooperativedistributedarchitecture(fordeployment,scheduling,communications,etc.)处理器：Ascend、GPU、CPUMindSpore开源深度学习框架MindSpore开源深度学习框架MindSpore全场景统一APIUnifiedAPIsforallscenarios开发态友好：AI算法即代码通过自动微分、自动并行、自动调优等技术，减少代码，提升开发效率自动并行Automaticparallelization自动微分Automaticdifferentiation自动调优AutomatictuningMindSporeIR计算图表达MindSporeintermediaterepresentation(IR)forcomputationgraphs运行态高效：面向昇腾芯片优化通过图/算子编译加速以及神经网络并行执行，协同昇腾芯片实现性能优势深度图优化DeepgraphoptimizationPipeline并行PipelineparallelismOn-Device执行On-deviceexecution部署态灵活：全场景按需协同通过模型自适应、异构计算等技术，实现从IoT设备到云的灵活部署BusinessNumber02端-边-云按需协作分布式架构（部署、调度、通信等）Device-edge-cloudcooperative