View English
MindSpore介绍
MindSpore是一种适用于端边云场景的新型开源深度学习训练/推理框架。
MindSpore提供了友好的设计和高效的执行，旨在提升数据科学家和算法工程师的开发体验，并为Ascend AI处理器提供原生支持，以及软硬件协同优化。
同时，MindSpore作为全球AI开源社区，致力于进一步开发和丰富AI软硬件应用生态。
欲了解更多详情，请查看我们的总体架构。
自动微分
当前主流深度学习框架中有两种自动微分技术：
- 操作符重载法： 通过操作符重载对编程语言中的基本操作语义进行重定义，封装其微分规则。 在程序运行时记录算子过载正向执行时网络的运行轨迹，对动态生成的数据流图应用链式法则，实现自动微分。
- 代码变换法： 该技术是从功能编程框架演进而来，以即时编译（Just-in-time Compilation，JIT）的形式对中间表达式（程序在编译过程中的表达式）进行自动差分转换，支持复杂的控制流场景、高阶函数和闭包。
PyTorch采用的是操作符重载法。相较于代码变换法，操作符重载法是在运行时生成微分计算图的， 无需考虑函数调用与控制流等情况， 开发更为简单。 但该方法不能在编译时刻做微分图的优化， 控制流也需要根据运行时的信息来展开， 很难实现性能的极限优化。
MindSpore则采用的是代码变换法。一方面，它支持自动控制流的自动微分，因此像PyTorch这样的模型构建非常方便。另一方面，MindSpore可以对神经网络进行静态编译优化，以获得更好的性能。
MindSpore自动微分的实现可以理解为程序本身的符号微分。MindSpore IR是一个函数中间表达式，它与基础代数中的复合函数具有直观的对应关系。复合函数的公式由任意可推导的基础函数组成。MindSpore IR中的每个原语操作都可以对应基础代数中的基本功能，从而可以建立更复杂的流控制。
自动并行
MindSpore自动并行的目的是构建数据并行、模型并行和混合并行相结合的训练方法。该方法能够自动选择开销最小的模型切分策略，实现自动分布并行训练。
目前MindSpore采用的是算子切分的细粒度并行策略，即图中的每个算子被切分为一个集群，完成并行操作。在此期间的切分策略可能非常复杂，但是作为一名Python开发者，您无需关注底层实现，只要顶层API计算是有效的即可。
安装
pip方式安装
MindSpore提供跨多个后端的构建选项：
| 硬件平台 |
操作系统 |
状态 |
| Ascend |
Linux-x86 |
✔️ |
|
Linux-aarch64 |
✔️ |
| GPU CUDA 11.6 |
Linux-x86 |
✔️ |
| CPU |
Linux-x86 |
✔️ |
|
Linux-aarch64 |
✔️ |
|
Windows-x86 |
✔️ |
|
MacOS-x86 |
✔️ |
|
MacOS-aarch64 |
✔️ |
使用pip命令安装，以CPU和Linux-x86构建版本为例：
-
请从MindSpore下载页面下载并安装whl包。
pip install mindspore==2.7.1 -i https://repo.mindspore.cn/pypi/simple --trusted-host repo.mindspore.cn --extra-index-url https://repo.huaweicloud.com/repository/pypi/simple
-
执行以下命令，验证安装结果。
python -c "import mindspore;mindspore.set_device(device_target='CPU');mindspore.run_check()"
使用pip方式，在不同的环境安装MindSpore，可参考以下文档。
源码编译方式安装
使用源码编译方式，在不同的环境安装MindSpore，可参考以下文档。
Docker镜像
MindSpore的Docker镜像托管在Huawei SWR上。
使用Docker方式，在不同的环境安装MindSpore，可参考以下文档。
快速入门
参考快速入门实现图片分类。
文档
有关安装指南、教程和API的更多详细信息，请参阅用户文档。
社区
治理
查看MindSpore如何进行开放治理。
交流
贡献
欢迎参与贡献。更多详情，请参阅我们的贡献者Wiki。
版本维护策略
MindSpore的版本有以下几种维护阶段：
| 状态 |
持续时间 |
说明 |
| Planning |
1 - 3 months |
特性规划。 |
| Development |
3 months |
特性开发。 |
| Maintained |
6 - 12 months |
允许所有问题修复的合入，并发布版本。 |
| Unmaintained |
0 - 3 months |
允许所有问题修复的合入，无专人维护，不再发布版本。 |
| End Of Life (EOL) |
N/A |
不再接受修改合入该版本。 |
现有版本维护状态
| 版本名 |
当前状态 |
上线时间 |
后续状态 |
EOL 日期 |
| r2.9 |
Maintained |
2026-04-29 |
Unmaintained
2027-04-29 estimated |
2027-04-29 |
| r2.8 |
Maintained |
2026-01-28 |
Unmaintained
2027-01-28 estimated |
2027-01-28 |
| r2.7 |
Maintained |
2025-08-08 |
Unmaintained
2026-08-08 estimated |
2026-08-08 |
| r2.6 |
End Of Life |
2025-05-19 |
|
2026-05-19 |
| r2.5 |
End Of Life |
2025-02-08 |
|
2026-02-08 |
| r2.4 |
End Of Life |
2024-10-30 |
|
2025-10-30 |
| r2.3 |
End Of Life |
2024-07-15 |
|
2025-07-15 |
| r2.2 |
End Of Life |
2023-10-18 |
|
2024-10-18 |
| r2.1 |
End Of Life |
2023-07-29 |
|
2024-07-29 |
| r2.0 |
End Of Life |
2023-06-15 |
|
2024-06-15 |
| r1.10 |
End Of Life |
2023-02-02 |
|
2024-02-02 |
| r1.9 |
End Of Life |
2022-10-26 |
|
2023-10-26 |
| r1.8 |
End Of Life |
2022-07-29 |
|
2023-07-29 |
| r1.7 |
End Of Life |
2022-04-29 |
|
2023-04-29 |
| r1.6 |
End Of Life |
2022-01-29 |
|
2023-01-29 |
| r1.5 |
End Of Life |
2021-10-15 |
|
2022-10-15 |
| r1.4 |
End Of Life |
2021-08-15 |
|
2022-08-15 |
| r1.3 |
End Of Life |
2021-07-15 |
|
2022-07-15 |
| r1.2 |
End Of Life |
2021-04-15 |
|
2022-04-29 |
| r1.1 |
End Of Life |
2020-12-31 |
|
2021-09-30 |
| r1.0 |
End Of Life |
2020-09-24 |
|
2021-07-30 |
| r0.7 |
End Of Life |
2020-08-31 |
|
2021-02-28 |
| r0.6 |
End Of Life |
2020-07-31 |
|
2020-12-30 |
| r0.5 |
End Of Life |
2020-06-30 |
|
2021-06-30 |
| r0.3 |
End Of Life |
2020-05-31 |
|
2020-09-30 |
| r0.2 |
End Of Life |
2020-04-30 |
|
2020-08-31 |
| r0.1 |
End Of Life |
2020-03-28 |
|
2020-06-30 |
版本说明
版本说明请参阅RELEASE。
许可证
Apache License 2.0
