中文 | View English
TinyMS是基于MindSpore AI框架开发,面向上层用户的一个高级API开发库,目的是让小白用户能够更加轻松地上手开发深度学习应用。
欢迎查阅安装文档实现一键安装TinyMS。
不知道用TinyMS做什么❓ 通过快速上手指南,您可以在一分钟内快速开发一个图形分类应用❗
当然,我们在这里也为您提供了一些TinyMS常用的使用场景,您可以快速体验到TinyMS开发的简易和流畅性。
from tinyms.data import MnistDataset, download_dataset
from tinyms.vision import mnist_transform
data_path = download_dataset('mnist')
mnist_ds = MnistDataset(data_path, shuffle=True)
mnist_ds = mnist_transform.apply_ds(mnist_ds) |
from tinyms.model import lenet5
net = lenet5(class_num=10) |
from tinyms.model import Model
model = Model(net)
model.compile(loss_fn=net_loss, optimizer=net_opt, metrics=net_metrics)
model.train(epoch_size, train_dataset)
model.save_checkpoint('./checkpoint_lenet.ckpt')
···
model.load_checkpoint('./checkpoint_lenet.ckpt')
model.eval(eval_dataset) |
from PIL import Image
import tinyms as ts
from tinyms.model import Model, lenet5
from tinyms.vision import mnist_transform
img = Image.open(img_path)
img = mnist_transform(img)
net = lenet5(class_num=10)
model = Model(net)
model.load_checkpoint('./checkpoint_lenet.ckpt')
input = ts.expand_dims(ts.array(img), 0)
res = model.predict(input).asnumpy()
print("The label is:", mnist_transform.postprocess(res)) |
如果您想了解TinyMS的Python API接口,请访问TinyMS API文档。
TinyMS配套了完善的教程,适合纯小白入手。
欢迎加入TinyMS社区进行贡献,如果您还不太清楚TinyMS社区的运作流程,可通过贡献指南的学习快速上手社区贡献。
版本说明请参阅RELEASE。