动态计算图核心特点是计算图的构建和计算同时发生，在计算图中定义一个Tensor时，其值就已经被计 算且确定了。这种模式在调试模型时较为方便，能够实时得到中间结果的值，但是，由于所有 节点都需要被保存并且可以被访问，这导致我们难以对整个计算图进行优化。静态计算图模式将计算图的构建和计算分开，在构建阶段，根据完整的计算流程对原始的计算图（即前面的动态计算图）进行优化和调整得到更省内存和计算量更少的计算

人工神经网络是一种模拟人脑结构与功能的信息处理系统，具有并行处理、学习、记忆等特征。其发展经历了多个阶段，构建流程包括数据收集、预处理（如归一化、独热编码）、网络结构设计等。训练时采用梯度下降法（BGD/SGD/MBGD）及其优化方法（如动量优化器），并运用Dropout等正则化技术防止过拟合。网络设计需平衡精度与计算量，输入层对应特征数，输出层匹配分类数。预处理和优化方法能提升训练效率，但需注意

01华为AI全栈解决方案 02昇腾AI处理器架构 03昇腾AI计算平台CANN

循环神经网络（Recurrent Neural Network， 简称RNN） 是一种通过隐藏层节点周期性的连接， 来 捕捉序列化数据中动态信息的神经网络。

自动并行、二阶优化、图算融合、全场景部署和协同......MindIR是MindSpore提供的中间表达形式，可以帮助大家实现一 次训练多处部署，实现端云互通。简单来说，就是你可以在 Ascend、 GPU、 CPU硬件平台上训练生成MindIR格式的模型，然 后快速部署到手机端、推理服务器等环境上，体验到MindSpore 的全场景能力。打开MindIR，它是一种基于图表示的函数式IR，定义了可

特征是关键点，人是通过图像的局部特征来理解图像。卷积神经网络（Convolutional Neural Network， CNN） 是一种前馈神经网络， 它的人工神经元可以响应一部分覆盖范围内 的单元， 对于图像处理有出色表现。它包括卷积层（convolutional layer） ， 池化层（pooling layer） 和全连接层（fully connected layer）。

算子（Operator）是深度学习中的基础计算单元，对应网络层的计算逻辑，如卷积层、全连接层等。算子具有类型（如Convolution）和唯一名称（如conv1）两个关键属性。同一网络中可存在多个同类型算子，但每个算子名称必须唯一标识其计算过程。

计算机视觉的概念→人的视觉所感知的周围环境是三维结构， 而计算机中的图像是二维的。计算机视觉就是 研究如何让计算机像人一样“ 看” 的科学。形象地说， 就是给计算机安装上眼睛（ 照相 机） 和大脑（ 算法） ， 让计算机能够感知环境。低级图像处理内容（ 图像处理）内容：主要对图象进行各种加工以改善图象的视觉效果、或突出有用信 息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输 时间或传

FusionDirector：高效易用的运维管理系统SmartKit： IT运维工程师的随身工具箱，让交付维护更轻松。

01华为AI全栈解决方案 02昇腾AI处理器架构 03昇腾AI计算平台CANN