From 004cc5491999c19f1bbbd9ca02b3d59a4fed2065 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E5=AE=A6=E6=99=93=E7=8E=B2?= <3174348550@qq.com> Date: Thu, 23 Oct 2025 16:55:29 +0800 Subject: [PATCH] modify contents --- docs/lite/docs/source_en/train/runtime_train_cpp.md | 2 +- docs/lite/docs/source_zh_cn/tools/visual_tool.md | 6 +++--- docs/lite/docs/source_zh_cn/train/converter_train.md | 2 +- .../docs/source_zh_cn/train/runtime_train_cpp.md | 12 ++++++------ .../docs/source_zh_cn/train/runtime_train_java.md | 6 +++--- docs/lite/docs/source_zh_cn/train/train_lenet.md | 2 +- .../lite/docs/source_zh_cn/train/train_lenet_java.md | 4 ++-- docs/lite/docs/source_zh_cn/use/downloads.md | 10 +++++----- 8 files changed, 22 insertions(+), 22 deletions(-) diff --git a/docs/lite/docs/source_en/train/runtime_train_cpp.md b/docs/lite/docs/source_en/train/runtime_train_cpp.md index 56beb40109..0d13cfa86f 100644 --- a/docs/lite/docs/source_en/train/runtime_train_cpp.md +++ b/docs/lite/docs/source_en/train/runtime_train_cpp.md @@ -298,7 +298,7 @@ MindSpore Lite provides the following methods to obtain model input tensors: } // Assuming data_ptr is the pointer to a batch of data tensors - // and assuming label_ptr is a pointer to a batch of label indices (obtained by the DataLoder) + // and assuming label_ptr is a pointer to a batch of label indices (obtained by the DataLoader) auto *in_data = inputs.at(data_index)->MutableData(); auto *in_labels = inputs.at(label_index)->MutableData(); if ((in_data == nullptr) || (in_labels == nullptr)) { diff --git a/docs/lite/docs/source_zh_cn/tools/visual_tool.md b/docs/lite/docs/source_zh_cn/tools/visual_tool.md index 2ce7308888..ab8fbae4e1 100644 --- a/docs/lite/docs/source_zh_cn/tools/visual_tool.md +++ b/docs/lite/docs/source_zh_cn/tools/visual_tool.md @@ -10,12 +10,12 @@ ## 功能列表 -- 支持加载`.ms`模型，要求MindSpore Lite版本>=1.2.0; +- 支持加载`.ms`模型，要求MindSpore Lite版本>=1.2.0； - 支持查看子图； - 支持拓扑结构和数据流`shape`的展示； - 支持查看模型的`format`、`input`和`output`等； - 支持查看节点的`type`、`name`、`attribute`、`input`和`output`等； -- 支持结构化的`weight`、`bias`等数据的查看与保存; +- 支持结构化的`weight`、`bias`等数据的查看与保存； - 支持可视化结果导出为图片保存。 ## 使用方式 @@ -42,6 +42,6 @@ ms模型的支持代码已经合入官方库。`Netron`的下载地址为 Resize(inputs, new_shapes); 在图执行之前，无论执行训练或推理，输入数据必须载入模型的输入张量。MindSpore Lite提供了以下函数来获取模型的输入张量： -1. 使用[GetInputByTensorName](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/api_cpp/mindspore.html#getinputbytensorname)方法，获取连接到基于张量名称的模型输入节点模型输入张量。 +1. 使用[GetInputByTensorName](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/api_cpp/mindspore.html#getinputbytensorname)方法，获取基于张量名称的模型输入张量。 ```cpp /// \brief Get input MindSpore Lite MSTensors of model by tensor name. @@ -243,7 +243,7 @@ return model->Resize(inputs, new_shapes); std::vector GetInputs(); ``` - 如果模型需要1个以上的输入张量（例如训练过程中，数据和标签都作为网络的输入），用户有必要知道输入顺序和张量名称，这些信息可以从Python对应的模型中获取。此外，用户也根据输入张量的大小推导出这些信息。 + 如果模型需要1个以上的输入张量（例如训练过程中，数据和标签都作为网络的输入），用户有必要知道输入顺序和张量名称，这些信息可以从Python对应的模型中获取。此外，用户也可以根据输入张量的大小推导出这些信息。 3. 拷贝数据 @@ -296,7 +296,7 @@ return model->Resize(inputs, new_shapes); } // Assuming data_ptr is the pointer to a batch of data tensors - // and assuming label_ptr is a pointer to a batch of label indices (obtained by the DataLoder) + // and assuming label_ptr is a pointer to a batch of label indices (obtained by the DataLoader) auto *in_data = inputs.at(data_index)->MutableData(); auto *in_labels = inputs.at(label_index)->MutableData(); if ((in_data == nullptr) || (in_labels == nullptr)) { @@ -369,7 +369,7 @@ MindSpore Lite提供下列方法来获取模型的输出张量： } ``` -3. 使用[GetOutputs](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/api_cpp/mindspore.html#getoutputs)方法，根据张量名称排序的所有输出张量。 +3. 使用[GetOutputs](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/api_cpp/mindspore.html#getoutputs)方法，获取根据张量名称排序的所有输出张量。 ```cpp /// \brief Obtains all output tensors of the model. @@ -443,7 +443,7 @@ using KernelCallBack = std::function inputs std::vector outputs, const CallBackParam &opInfo)>; ``` -以下代码为如何在执行训练前后使用回调函数： +以下代码展示了如何在执行训练前后使用回调函数： ```cpp // Assuming model is a valid instance of Model and that data was assigned to the input tensors diff --git a/docs/lite/docs/source_zh_cn/train/runtime_train_java.md b/docs/lite/docs/source_zh_cn/train/runtime_train_java.md index 06c4b9b063..c429da07d9 100644 --- a/docs/lite/docs/source_zh_cn/train/runtime_train_java.md +++ b/docs/lite/docs/source_zh_cn/train/runtime_train_java.md @@ -16,7 +16,7 @@ ![训练流程图](../images/train_sequence_unify_api.png) -> 更多java API说明，请参考[API文档](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/index.html)。 +> 更多Java API说明，请参考[API文档](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/index.html)。 ## 模型创建加载与编译 @@ -177,7 +177,7 @@ bool ret = model.resize(inputs, dims); 在图执行之前，无论执行训练或推理，输入数据必须载入模型的输入张量。MindSpore Lite提供了以下函数来获取模型的输入张量： -1. 使用[getInputByTensorName](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/api_java/model.html#getinputbytensorname)方法，获取连接到基于张量名称的模型输入节点模型输入张量。 +1. 使用[getInputByTensorName](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/api_java/model.html#getinputbytensorname)方法，获取基于张量名称连接到模型输入节点的输入张量。 ```java /** @@ -243,7 +243,7 @@ MindSpore Lite提供下列方法来获取模型的输出张量： public MSTensor getOutputByTensorName(String tensorName); ``` -3. 使用[getOutputs](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/api_java/model.html#getoutputs)方法，根据张量名称排序的所有输出张量。 +3. 使用[getOutputs](https://www.mindspore.cn/lite/api/zh-CN/r2.7.1/api_java/model.html#getoutputs)方法，获取按张量名称排序的所有输出张量。 ```java /** diff --git a/docs/lite/docs/source_zh_cn/train/train_lenet.md b/docs/lite/docs/source_zh_cn/train/train_lenet.md index f875f1c5e7..9463408e99 100644 --- a/docs/lite/docs/source_zh_cn/train/train_lenet.md +++ b/docs/lite/docs/source_zh_cn/train/train_lenet.md @@ -214,7 +214,7 @@ train_lenet_cpp/ 首先我们需要基于MindSpore框架创建一个LeNet模型，本例中直接用MindSpore ModelZoo的现有[LeNet模型](https://gitee.com/mindspore/models/tree/master/research/cv/lenet)。 -> 本小结使用MindSpore云侧功能导出，更多信息请参考[MindSpore教程](https://www.mindspore.cn/tutorials/zh-CN/r2.7.1/index.html)。 +> 本节使用MindSpore云侧功能导出，更多信息请参考[MindSpore教程](https://www.mindspore.cn/tutorials/zh-CN/r2.7.1/index.html)。 ```python import numpy as np diff --git a/docs/lite/docs/source_zh_cn/train/train_lenet_java.md b/docs/lite/docs/source_zh_cn/train/train_lenet_java.md index 3ecab07d5b..0d50b07595 100644 --- a/docs/lite/docs/source_zh_cn/train/train_lenet_java.md +++ b/docs/lite/docs/source_zh_cn/train/train_lenet_java.md @@ -39,7 +39,7 @@ bash build.sh -I x86_64 -j8 > MNIST数据集官网下载地址：，共4个下载链接，分别是训练数据、训练标签、测试数据和测试标签。 -下载并解压到本地，解压后的训练和测试集分别存放于`/PATH/MNIST_Data/train`和`/PATH/MNIST_Data/test`路径下。 +下载并解压到本地。解压后，训练集和测试集分别存放于`/PATH/MNIST_Data/train`和`/PATH/MNIST_Data/test`路径下。 目录结构如下： @@ -199,7 +199,7 @@ train_lenet_java } ``` - 推理完成后，如果需要继续训练，需要切换为训练模式。 + 推理完成后，如需继续训练，请切换为训练模式。 4. 保存训练模型。 diff --git a/docs/lite/docs/source_zh_cn/use/downloads.md b/docs/lite/docs/source_zh_cn/use/downloads.md index de980526e5..ba11fbf6ba 100644 --- a/docs/lite/docs/source_zh_cn/use/downloads.md +++ b/docs/lite/docs/source_zh_cn/use/downloads.md @@ -867,11 +867,11 @@ MindSpore Lite Python接口开发库 | 组件 | 硬件平台 | 操作系统 | 链接 | SHA-256 | | --- | --- | --- | --- | --- | -| 推理runtime(cpp)、训练runtime(cpp)、推理aar包、以及benchmark/benchmark_train工具。 | CPU | Android-aarch32 | [mindspore-lite-1.2.0-android-aarch32.tar.gz](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/android/mindspore-lite-1.2.0-android-aarch32.tar.gz) | 7d073573385a69bff53542c395d106393da241682cd6053703ce21f1de23bac6 | -| 推理runtime(cpp)、训练runtime(cpp)、推理aar包、以及benchmark/benchmark_train工具。 | CPU/GPU | Android-aarch64 | [mindspore-lite-1.2.0-android-aarch64.tar.gz](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/android/gpu/mindspore-lite-1.2.0-android-aarch64.tar.gz) | 7f8400f0b97fa3e7cbf0d266c73b43a2410905244b04d0202fab39d9267346e0 | -| 推理runtime(cpp)、训练runtime(cpp)、推理jar包、以及benchmark/benchmark_train/codegen/converter/cropper工具。 | CPU | Ubuntu-x64 | [mindspore-lite-1.2.0-linux-x64.tar.gz](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/linux/mindspore-lite-1.2.0-linux-x64.tar.gz) | 3b609ed8be9e3ae70987d6e00421ad4720776d797133e72f6952ba6b93059062 | -| 推理runtime(cpp)以及benchmark/codegen/converter工具。 | CPU | Windows-x64 | [mindspore-lite-1.2.0-win-x64.zip](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/windows/mindspore-lite-1.2.0-win-x64.zip) | bf01851d7e2cde416502dce11bd2a86ef63e559f6dabba090405755a87ce14ae | -| 推理runtime(cpp) | CPU | OpenHarmony | [mindspore-lite-1.2.0-ohos-aarch32.tar.gz](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/openharmony/mindspore-lite-1.2.0-ohos-aarch32.tar.gz) | a9987b25815cb69e0f630be1388486e8d727a19815a67851089b7d633bd2f3f2 | +| 推理runtime（cpp）、训练runtime（cpp）、推理aar包、以及benchmark/benchmark_train工具。 | CPU | Android-aarch32 | [mindspore-lite-1.2.0-android-aarch32.tar.gz](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/android/mindspore-lite-1.2.0-android-aarch32.tar.gz) | 7d073573385a69bff53542c395d106393da241682cd6053703ce21f1de23bac6 | +| 推理runtime（cpp）、训练runtime（cpp）、推理aar包、以及benchmark/benchmark_train工具。 | CPU/GPU | Android-aarch64 | [mindspore-lite-1.2.0-android-aarch64.tar.gz](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/android/gpu/mindspore-lite-1.2.0-android-aarch64.tar.gz) | 7f8400f0b97fa3e7cbf0d266c73b43a2410905244b04d0202fab39d9267346e0 | +| 推理runtime（cpp）、训练runtime（cpp）、推理jar包、以及benchmark/benchmark_train/codegen/converter/cropper工具。 | CPU | Ubuntu-x64 | [mindspore-lite-1.2.0-linux-x64.tar.gz](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/linux/mindspore-lite-1.2.0-linux-x64.tar.gz) | 3b609ed8be9e3ae70987d6e00421ad4720776d797133e72f6952ba6b93059062 | +| 推理runtime（cpp）以及benchmark/codegen/converter工具。 | CPU | Windows-x64 | [mindspore-lite-1.2.0-win-x64.zip](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/windows/mindspore-lite-1.2.0-win-x64.zip) | bf01851d7e2cde416502dce11bd2a86ef63e559f6dabba090405755a87ce14ae | +| 推理runtime（cpp） | CPU | OpenHarmony | [mindspore-lite-1.2.0-ohos-aarch32.tar.gz](https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/lite/release/openharmony/mindspore-lite-1.2.0-ohos-aarch32.tar.gz) | a9987b25815cb69e0f630be1388486e8d727a19815a67851089b7d633bd2f3f2 | ## 1.1.0 -- Gitee