《昇思25天学习打卡营第2天 | 快速入门》
活动地址：https://xihe.mindspore.cn/events/mindspore-training-camp
签名：Sam9029
快速实现一个简单的深度学习模型
今天学习使用 MindSpore的API来快速实现一个简单的深度学习模型
感觉今天的 课程章节目的，主要是将使用 mindspoce 训练模型的流程跑一遍
当然整个过程，里面有很多的引入模块和函数我都不知道，
不过目前不求甚解，逐一的去了解掌握即可，不能急于求成，陷入局部的技术探索陷阱，导致迷失方向
总结一下深度学习模型的流程
- 引入 Mindscope 模块（因为 平台提供的 IDE 就预装了 Mindscope，直接引入即可）
import mindspore
处理数据集
- 引入 Download 模块，从指定的链接下载 数据集
- 使用
mindspore.dataset提供的数据变换进行预处理
网络构建
- 说实话没太搞清楚这一步做什么
模型训练
涉及到的工作为以下三个重要的步骤
正向计算：模型预测结果（logits），并与正确标签（label）求预测损失（loss）。
反向传播：利用自动微分机制，自动求模型参数（parameters）对于loss的梯度（gradients）。
参数优化：将梯度更新到参数上。训练过程需多次迭代数据集，一次完整的迭代称为一轮（epoch）。
在每一轮，遍历训练集进行训练，结束后使用测试集进行预测。打印每一轮的loss值和预测准确率（Accuracy），可以看到loss在不断下降，Accuracy在不断提高。
Epoch 1 ------------------------------- loss: 2.292041 [ 0/938] ...省略 loss: 0.328109 [900/938] Test: Accuracy: 91.0%, Avg loss: 0.321219 Epoch 2 ------------------------------- loss: 0.413094 [ 0/938] ...省略 loss: 0.373354 [900/938] Test: Accuracy: 92.9%, Avg loss: 0.245301 Epoch 3 ------------------------------- loss: 0.211956 [ 0/938] ...省略 loss: 0.137108 [900/938] Test: Accuracy: 93.9%, Avg loss: 0.214044保存模型
- 最重要的一步，代码写完，模型训练好就要保存下来
加载模型
- 这里我理解为，模型成为了一个工具
- 每次使用，就可以向 python 中 Class 使用一样，创建一个模型的实例对象来使用
虽然训练过程中依旧很多不懂的的专业术语和词汇，甚至是python模块的使用
但是没关系，千里之行，始于足下！
我会继续一步一步的保持学习，在 昇思社区 进行 AI技术方面的探索和学习
希望能给同样对AI充满热情的你一些启发。记住，技术的世界无限广阔，让我们一起勇敢地迈出探索的脚步吧！🚀🤖