下载质谱模型的时候出现问题了三次，都是卡在一半久结束了。保证网络通畅，多尝试几次/重启kernel。模型根据prompt进行回答，但是小模型回答的效果并不好。文中很明显出现了错误。本节中，通过教程，我们下载了质谱model，实现了质谱model的交互，对话。首先，安装了所需要的包mindnlp。这里教程是没有提供的。安装mdtex2html前需要升级一下pip。

还学习了随机访问数据集与制造迭代器的方法。

K近邻算法是一种用于分类和回归的非参数统计方法，最初由 Cover和Hart于1968年提出(Cover等人,1967)，是机器学习最基础的算法之一。它正是基于以上思想：要确定一个样本的类别，可以计算它与所有训练样本的距离，然后找出和该样本最接近的k个样本，统计出这些样本的类别并进行投票，票数最多的那个类就是分类的结果。KNN的三个基本要素：1.K值，一个样本的分类是由K个邻居的“多数表决”确定的

这节课学习网络的构造，在mindspore中提供了Cell类，这也是构建一切网络 的基础。定义网络类中，__init__中构造网络结构，constructure中实现Tensor操作方法。

了解了ResNet网络的历史：曾在ILSVRC2015图像分类竞赛第一名，解决了当网络堆叠到一定深度时，就会出现退化问题的问题。本节学习了利用ResNet网络进行图像分类。

本章节，花费了3天时间，学习了基于MobileNetv2网络的垃圾分类模型。在MobileNetV2模型中学习了倒残差结构(Inverted residual block)与线性瓶颈结构(Linear Bottlenecks)

【代码】《昇思25天学习打卡营第15天| FCN图像语义分割》

昇思学习第一课

本章节介绍了什么是静态图，动态图与静态图区别以及如何使用静态图：记笔记，反正，静态图的不实用用场景：如果函数无需反复执行，使用静态图加速也可能没有价值。

该单元学习了利用ResNet50网络进行迁移学习。迁移学习，指的是在预训练模型上进行训练，可以节省时间、空间、金钱。可以通过固定一定层数的网络参数来减少需要训练的参数，来提高效率。