学习下mindspore中对tensor的处理逻辑。

今天又过了一次，从构建数据到构建模型，和训练的整体过程都介绍完毕了。这里的模型很简单，所以训练的时候也很简单。如果是大语言模型的训练过程，需要使用到更复杂的处理逻辑，可能会依赖DeepSpeed进行并行训练。希望在接下来的学习中有机会接触到。

从本次开始，接触一些上层应用。本次通过经典的模型，开始本次任务。这里开始学习resnet50网络模型，应该也会有resnet18，估计18的模型速度会更快一些。

曾经接触过华为的910B服务级显卡，当时基于910B做了一些开发的工作，但是总感觉做的事情太低层，想要能自顶向下的了解下，因此开始了MindSpore的学习。另外也想给予提供的显卡，简单尝试下llm模型的训练，不知道提供的显卡能否支持llm模型训练。

跳过了模型训练和保存两节，模型训练的例子已经学习过，都是重复的内容，不进行详细的学习了，除非要使用类似的函数。因此接下来开始学习初学教程的最后一节：使用静态图加速，希望能学习到一些内容。

前面几节课学习了mindspore的一些操作方法，接下来学习下稍微有一些技术含量的内容。

学习下mindspore中对tensor的处理逻辑。

从本次开始，接触一些上层应用。本次通过经典的模型，开始本次任务。这里开始学习resnet50网络模型，应该也会有resnet18，估计18的模型速度会更快一些。

跳过了模型训练和保存两节，模型训练的例子已经学习过，都是重复的内容，不进行详细的学习了，除非要使用类似的函数。因此接下来开始学习初学教程的最后一节：使用静态图加速，希望能学习到一些内容。

前面几节课学习了mindspore的一些操作方法，接下来学习下稍微有一些技术含量的内容。