MindSpore深度学习高阶技术

本书系统介绍深度学习的高阶技术,并基于MindSporeAI计算框架进行实践。全书共分10章,内容涵盖数据处理、网络构建、训练与推理性能优化、模型安全与隐私、模型可靠性、可解释AI、AI中的公平性问题、数据驱动AI建模、AI求解科学计算方程、AI加速科学方法等内容。为便于读者学习,书中还给出了基于MindSpore实现的关于深度学习高阶技术的示例代码。本书在深度学习的理论基础上结合MindSpore**开源技术,扩大了MindSpore使用范围,可以作为普通高等学校人工智能、智能科学与技术、计算机科学与技术、电子信息工程、自动化等专业的本科生及研究生教材,也适合作为从事深度学习相关工作的软件开发工程师与科研人员学习的参考用书。

这是一本系统介绍深度学习的高阶技术，并基于MindSpore AI计算框架进行实践的书籍。全书共分10章，内容涵盖数据处理、网络构建、训练与推理性能优化、模型安全与隐私、模型可靠性、可解释AI、AI中的公平性问题、数据驱动AI建模、AI求解科学计算方程、AI加速科学方法等内容。 在数据处理方面，书中详细介绍了如何将数据集转换为MindRecord格式，自动数据增强技术，轻量化数据处理模式，单节点缓存加速技术，以及优化数据处理的方法。这些技术可以帮助提升数据处理的速度和效率，从而推动深度学习的发展。 在网络构建方面，书中阐述了自定义算子的定义与使用，深度概率学习的概念和特点，以及高阶自动微分的相关内容。这些技术可以帮助用户灵活地按照自己的需求去开发高效、适用的算子，并增强模型的鲁棒性和可解释性。 在训练与推理性能优化方面，书中讲解了千亿参数模型自动并行，二阶优化算法及其实践应用，模型量化，类型推导，图算融合，推理图优化，以及kernel优化等技术。这些技术可以有效地提升神经网络的训练和推理性能，推动人工智能技术的发展。 在模型安全与隐私方面，书中讨论了对抗攻防，差分隐私训练，AI