关于 MindSpore
基本介绍 || 快速入门 || 张量 Tensor || 数据加载与处理 || 网络构建 || 函数式自动微分 || 模型训练 || 保存与加载 || Graph Mode加速 || 本节通过MindSpore的API来快速实现一个简单的深度学习模型。若想要深入了解MindSpore的使用方法，请参阅各节最后提供的参考链接。 MindSpore提供基于Pipeline的 数据引擎 ，通过 数据集（Dataset） 实现高效的数据预处理。在本教程中，我们使用MNIST数据集，自动下载完成后，使用 mindspore.dataset 提供的数据变换进行预处理。 本章节中的示例代码依赖 download ，可使用命令 pip install download 安装。如本文档以Notebook运行时，完成安装后需要重启kernel才能执行后续代码。 MindSpore的dataset使用数据处理流水线（Data Processing Pipeline），需指定map、batch、shuffle等操作。这里我们使用map对图像数据及标签进行变换处理：将输入的图像缩放为1/255，根据均值0.1307和标准差0.3081进行归一化处理。最后将处理好的数据集打包为大小为64的batch。 可使用 create_tuple_iterator 或 create_dict_iterator 对数据集进行迭代访问，查看数据和标签的shape和datatype。
