View English

• MindSpore介绍
  • 自动微分
  • 自动并行
• 安装
  • pip方式安装
  • 源码编译方式安装
  • Docker镜像
• 快速入门
• 文档
• 社区
  • 治理
  • 交流
• 贡献
• 版本维护策略
• 现有版本维护状态
• 版本说明
• 许可证

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：

1. 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

2. 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。

• Ascend环境使用pip方式安装MindSpore
• GPU环境使用pip方式安装MindSpore
• CPU环境使用pip方式安装MindSpore

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。

• Ascend环境使用源码编译方式安装MindSpore
• GPU环境使用源码编译方式安装MindSpore
• CPU环境使用源码编译方式安装MindSpore

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。

• 通过Docker方式安装MindSpore Ascend版本

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

• #mindsporeIRC频道（仅用于会议记录）
• 视频会议：待定
• 邮件列表：https://mailweb.mindspore.cn/postorius/lists

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
r2.7	Maintained	2025-08-08	Unmaintained 2026-08-08 estimated	2026-08-08
r2.6	Maintained	2025-05-19	Unmaintained 2026-05-19 estimated	2026-05-19
r2.5	Maintained	2025-02-08	Unmaintained 2026-02-08 estimated	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