关键功能概览

MindStudio为开发人员提供创建工程、打开工程、关闭工程、删除工程、新增工程文件目录和属性设置等功能。

MindStudio仅支持MindSpore、TensorFlow和PyTorch框架的模型训练，把框架执行的脚本、数据集、参数等相关信息通过网络分析并输出分析结果。

AutoML（Auto Machine Learning）工具包括模型自动生成和调优及训练工程超参数自动调优。用户可以通过模型自动调优功能找到性能更好的模型。AI初学者可以通过AutoML工具结合数据集，自动生成满足需求的模型，也可以对训练超参进行自动调优。

用户使用Caffe/TensorFlow等框架训练好的模型，可通过ATC工具将其转换为昇腾AI处理器支持的离线模型，模型转换过程中可以实现算子调度的优化、权重数据重排、内存使用优化等，可以脱离设备完成模型的预处理。

模型转换和调优是将Caffe/TensorFlow等框架训练好的模型，通过ATC或者AOE工具将其转换为昇腾AI处理器支持的离线模型。

ATC工具：ATC会进行算子调度优化、权重数据重排、内存使用优化等具体操作，对原始的深度学习模型进行进一步的调优，从而满足部署场景下的高性能需求。
AOE工具：AOE通过生成调优策略、编译、在运行环境上验证的闭环反馈机制，不断迭代出更优的调优策略，最终得到最佳的调优策略，从而可以更充分利用硬件资源，不断提升网络的性能，达到最优的效果。两种调优方式如下：
- 子图调优：通过SGAT（SubGraph Auto Tune），对子图切分策略进行调优，通过在运行环境上验证获得真实性能，最终将最优的调优策略固化至模型知识库，并获取优化后的模型。
- 算子调优：通过OPAT（Operator Auto Tune），对算子进行调优，通过在运行环境上验证获取真实性能，最终将优选算子调优策略固化到算子知识库。

基于MindX SDK开发应用：MindX SDK采用模块化设计理念，将业务流程中的各个功能单元封装成独立的插件，通过插件串联，快速构建业务。
MindStudio基于MindX SDK，提供可视化流程编排功能，通过画板拖动插件的方式，可视直观地组织插件，管理整体流程，最终生成pipline文件以供开发。
基于AscendCL开发应用：通过MindStudio，开发基于AscendCL（Ascend Computing Language）应用工程，利用AscendCL提供的C语言API库，对昇腾硬件计算资源进行管理和调配，在昇腾CANN平台上进行深度学习推理计算、图形图像预处理、单算子加速计算等工作。

MindStudio提供包含UT测试、ST测试、TIK算子调试等的全套算子开发流程。支持TensorFlow、PyTorch、MindSpore等多种主流框架的TBE和AI CPU算子开发。

UT测试：UT（Unit Test）即单元测试，MindStudio提供了基于gtest框架的新的UT测试方案，简化了开发者开发UT测试用例的复杂度。
ST测试：ST（System Test）即系统测试，MindStudio提供了新的ST测试框架，可以自动生成测试用例，在真实的硬件环境中，验证算子功能的正确性和计算结果准确性，并生成运行测试报告。
TIK算子调试：MindStudio支持TIK算子的可视化调试，可以实现断点设置、单步调试、连续运行直到结束或下一断点、查看变量信息、退出调试等功能。

精度比对工具是为了帮助开发人员快速解决算子精度问题，提供自有实现的算子运算结果与业界标准算子运算结果之间进行精度差异对比的工具。

性能分析工具提供了AI应用运行过程中软、硬件相关性能数据的采集和性能指标的分析，并通过可视化界面的方式呈现，可以帮助用户快速发现和定位AI应用的性能瓶颈，显著提升AI任务性能分析的效率。

专家系统（MindStudio Advisor）是用于聚焦模型和算子的性能调优Top问题，识别性能瓶颈，重点构建瓶颈分析、优化推荐模型，支撑开发效率提升的工具。

算子和模型速查工具帮助客户了解当前版本CANN支持的算子信息和ModelZoo支持的模型信息。

在执行训练和推理发现AI Core Error问题时，使用AI Core Error Analyzer工具可以自动快速准确地收集定位AI Core Error问题所需的关键信息，提升开发者对AI Core Error的排查效率。

父主题： 认识MindStudio