课程学习目标了解开发框架作用了解AI开发框架在AI应用产生过程中所做的事情。掌握框架结构特性了解MindSpore框架的结构以及特性。AI应用实现与开发框架实现流程AI应用需人为设计深度学习算法结合训练数据和算力设备得到模型进而构成应用。开发困境从零实现AI应用涉及大量繁琐步骤会增加开发成本。框架作用AI开发框架具有承上启下的功能包含数据处理开发接口、可视调试、编译运行和高效部署等模块可提升开发效率。常见AI开发框架框架列举目前有MindSpore、Pytorch和Tensorflow等多种好用的开发框架。重点学习着重学习MindSpore框架后续知识。AI开发框架工作细节前端编程接口基于开发框架编程接口可快速实现神经网络结构完成模型编排流程。计算图优化对模型结构进行优化包括计算流程融合、重新编排保证计算效率。后续操作基于优化后的计算图进行计算编排、调度和内存管理放到硬件上训练训练中进行代码和内核优化编译还可提供分布式训练组件和策略训练后可实现快速应用部署和推理效率提升。MindSpore框架特点设计目标源于全产业最佳实践目标是易开发、高效执行、全场景覆盖。并行策略支持数据并行、模型并行、混合并行训练还可自动并行搜索拆分策略。MindSpore全场景特性硬件支持支持云端服务器、边缘侧推理设备和移动端硬件设备。全场景部署可部署在端边云三种场景下的多个设备上。运行态高效执行效率高MNIST data等组件为高效运行服务。开发态友好API简单易用贴近Python语法风格相对人性化。多领域扩展基于丰富易用的工具库可满足不同使用场景。全场景统一模型下发云端训练的网络可下发到边缘侧和移动端因端边侧算力低需对模型进行裁剪。模型优化端边侧数据传回云端云端优化后再下发形成闭环提升模型。框架层次结构底层API包含基础数据操作面向算法研究人员。中层API包含封装好的层可组成所需算法结构。上层API封装程度更高可直接使用开源模型面向应用开发人员。全场景支持模式训练验证在云端进行模型训练和验证不满意可继续优化。模型部署得到最终模型后可进行云端或端侧推理在不同平台基于模型进行应用部署。工具链工具丰富提供数十种工具应用于不同领域和方向。举例说明MindSpore Transformers面向大模型可快速微调或推理MindSpore Insights是可视化工具辅助模型调试调优。MindSpore使用安装方法进入官网选择安装环境配置生成安装命令在目标环境执行安装使用工具需额外安装。开发模块将常用功能分类如NN模块包含神经网络API。开发流程包括需求分析、环境搭建、数据准备、构建神经网络、训练网络、测试模型、应用部署等步骤。思考题解答题目在AI应用中MindSpore属于以下哪种类别答案选择AI开发框架计算设备、算法、智算中心均不符合题意。