diff --git a/docs/source_zh_cn/network_list.md b/docs/source_zh_cn/network_list.md
index 25d7640f15fcb0da99978da3213234df6f83eeab..36be90f69a5346e04dbee6aa891947a34086fedf 100644
--- a/docs/source_zh_cn/network_list.md
+++ b/docs/source_zh_cn/network_list.md
@@ -3,6 +3,7 @@
## Model Zoo
+
| 领域 | 子领域 | 网络 | Ascend | GPU | CPU
|:------ |:------| :----------- |:------ |:------ |:-----
|计算机视觉（CV） | 图像分类（Image Classification） | [AlexNet](https://gitee.com/mindspore/mindspore/blob/master/model_zoo/alexnet/src/alexnet.py) | Supported | Supported | Doing
diff --git a/tutorials/notebook/mindinsight/images/histogram.png b/tutorials/notebook/mindinsight/images/histogram.png
index a0bea73d058cbd971e56801a0c92d035b20b35c3..8be102f0cc96f27de89e82938c4242b041ec9b2a 100644
Binary files a/tutorials/notebook/mindinsight/images/histogram.png and b/tutorials/notebook/mindinsight/images/histogram.png differ
diff --git a/tutorials/notebook/mindinsight/images/image_vi.png b/tutorials/notebook/mindinsight/images/image_vi.png
deleted file mode 100644
index a941238ee2fd945bdef5619410ba32a9157e2ff7..0000000000000000000000000000000000000000
Binary files a/tutorials/notebook/mindinsight/images/image_vi.png and /dev/null differ
diff --git a/tutorials/notebook/mindinsight/mindinsight_image_histogram_scalar.ipynb b/tutorials/notebook/mindinsight/mindinsight_image_histogram_scalar.ipynb
index c4a69bcf7e47a34c8df8ae305fc255d117c5a0bc..940e464ff4c33b6f350922a65401cd02d1b90b8f 100644
--- a/tutorials/notebook/mindinsight/mindinsight_image_histogram_scalar.ipynb
+++ b/tutorials/notebook/mindinsight/mindinsight_image_histogram_scalar.ipynb
@@ -4,21 +4,25 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "# MindInsight之标量、直方图和图像\n",
+ "# 标量、直方图和图像可视化\n",
"\n",
"MindInsight可以将神经网络训练过程中的损失值标量、直方图、图像信息记录到日志文件中，通过可视化界面解析以供用户查看。\n",
"\n",
- "整体流程:\n",
+ "接下来是本次流程的体验过程。\n",
+ "\n",
+ "## 整体流程\n",
"\n",
"1. 下载MNIST数据集。\n",
"\n",
"2. 原始数据预处理。\n",
"\n",
- "3. 初始化`lenet`网络。\n",
+ "3. 初始化`LeNet`网络。\n",
+ "\n",
+ "4. 训练网络，使用`SummaryCollector`记录图像信息、损失值标量、权重梯度等参数，同时启动MindInsight服务，实时查 看损失值、参数直方图和输入图像的变化。\n",
"\n",
- "4. 执行主程序，使用`SummaryCollector`记录图像信息、损失值标量、权重梯度等参数，启动MindInsight服务。\n",
+ "5. 完成训练后，查看MindInsight看板中记录到的损失值标量、直方图、图像信息及标量对比信息。\n",
"\n",
- "5. 在MindInsight可视化面板中查看结果。"
+ "6. 分别单独记录损失值标量、直方图、图像信息，查看展示结果，关闭MindInsight服务。"
]
},
{
@@ -37,7 +41,7 @@
"\n",
"1. 判断是否存在MNIST数据集目录，不存在则创建目录，存在则跳至[**数据预处理**](#数据预处理)。\n",
"\n",
- "2. 判断是否存在MNIST数据集，不存在则下载MNIST数据集，存在则跳至[**数据预处理**](#数据预处理)。\n"
+ "2. 判断是否存在MNIST数据集，不存在则下载MNIST数据集，存在则跳至[**数据预处理**](#数据预处理)。"
]
},
{
@@ -51,10 +55,12 @@
"from urllib.parse import urlparse\n",
"import gzip\n",
"\n",
- "def unzipfile(gzip_path):\n",
- " \"\"\"unzip dataset file\n",
+ "def unzip_file(gzip_path):\n",
+ " \"\"\"\n",
+ " unzip dataset file\n",
+ " \n",
" Args:\n",
- " gzip_path: dataset file path\n",
+ " gzip_path: Dataset file path\n",
" \"\"\"\n",
" open_file = open(gzip_path.replace('.gz',''), 'wb')\n",
" gz_file = gzip.GzipFile(gzip_path)\n",
@@ -80,7 +86,7 @@
" file_name = os.path.join(train_path,url_parse.path.split('/')[-1])\n",
" if not os.path.exists(file_name.replace('.gz','')):\n",
" file = urllib.request.urlretrieve(url, file_name)\n",
- " unzipfile(file_name)\n",
+ " unzip_file(file_name)\n",
" os.remove(file_name)\n",
" for url in test_url:\n",
" url_parse = urlparse(url)\n",
@@ -88,7 +94,7 @@
" file_name = os.path.join(test_path,url_parse.path.split('/')[-1])\n",
" if not os.path.exists(file_name.replace('.gz','')):\n",
" file = urllib.request.urlretrieve(url, file_name)\n",
- " unzipfile(file_name)\n",
+ " unzip_file(file_name)\n",
" os.remove(file_name)"
]
},
@@ -233,11 +239,11 @@
"source": [
"# 记录标量、直方图、图像\n",
"\n",
- "在主程序中应用`SummaryCollector`来记录标量、直方图、图像信息。\n",
+ "在主程序中使用`SummaryCollector`来记录标量、直方图、图像信息。\n",
"\n",
"## 运行主程序\n",
"\n",
- "在MindSpore中通过`Callback`机制提供支持快速简易地收集损失值、参数权重、梯度等信息的`Callback`, 叫做`SummaryCollector`。详细的用法可以参考API文档中`mindspore.train.callback.SummaryCollector`。 \n",
+ "在MindSpore中通过`Callback`机制，提供支持快速简易地收集损失值、参数权重、梯度等信息的`Callback`, 叫做`SummaryCollector`。详细的用法可以参考API文档中`mindspore.train.callback.SummaryCollector`。 \n",
"\n",
"1. 为了记录损失值标量、直方图、图像信息，在主程序代码中需要在`specified`参数中指定需要记录的信息。\n",
"\n",
@@ -252,7 +258,7 @@
"\n",
"2. 实例化`SummaryCollector`，并将其应用到`model.train`或者`model.eval`中。\n",
"\n",
- "程序运行过程中将启动MindInsight服务并自动遍历读取当前notebook目录下`summary_dir`子目录下所有日志文件、解析进行可视化展示。"
+ " 程序运行过程中将在本地`8080`端口自动启动MindInsight服务并自动遍历读取当前notebook目录下`summary_dir`子目录下所有日志文件、解析进行可视化展示。"
]
},
{
@@ -308,17 +314,17 @@
"\n",
"\n",
"\n",
- "在上图所示面板中可以看到`summary_01`日志文件目录，点击训练看板进入到下图所示的训练数据展示面板，该面板展示了标量数据、直方图和图像信息，并随着训练、测试的进行实时刷新数据，实时显示训练过程参数的变化情况。\n",
+ "在上图所示面板中可以看到`summary_01`日志文件目录，点击**训练看板**进入到下图所示的训练数据展示面板，该面板展示了标量数据、直方图和图像信息，并随着训练、测试的进行实时刷新数据，实时显示训练过程参数的变化情况。\n",
"\n",
"\n",
"\n",
"## 标量可视化\n",
"\n",
- "标量可视化用于展示训练过程中标量的变化趋势情况，点击打开标量信息展示面板，该面板记录了迭代计算过程中的学习率（下图左侧所示）和损失值（下图右侧所示）标量信息。\n",
+ "标量可视化用于展示训练过程中标量的变化趋势情况，点击打开标量信息展示面板，该面板记录了迭代计算过程中的损失值标量信息。\n",
"\n",
"\n",
"\n",
- "如下图的loss值标量可视化信息——标量趋势图。\n",
+ "如下图的loss值标量趋势图。\n",
"\n",
"\n",
"\n",
@@ -330,7 +336,7 @@
"\n",
"- 切换Y轴比例是指可以将Y轴坐标进行对数转换。\n",
"\n",
- "- 开启/关闭框选是指可以框选图中部分区域，并放大查看该区域， 可以在已放大的图形上叠加框选。\n",
+ "- 开启/关闭框选是指可以框选图中部分区域，并放大查看该区域，可以在已放大的图形上叠加框选。\n",
"\n",
"- 分步回退是指对同一个区域连续框选并放大查看时，可以逐步撤销操作。\n",
"\n",
@@ -360,6 +366,10 @@
"\n",
"\n",
"\n",
+ "下图为直方图功能区。\n",
+ "\n",
+ "\n",
+ "\n",
"上图展示直方图的功能区，包含以下内容：\n",
"\n",
"- 标签选择：提供了对所有标签进行多项选择的功能，用户可以通过勾选所需的标签，查看对应的直方图。\n",
@@ -372,11 +382,9 @@
"\n",
"图像可视化用于展示用户所指定的图片。点击图像展示面板，展示了每个step进行处理的图像信息。\n",
"\n",
- "\n",
- "\n",
"下图为展示`summary_01`记录的图像信息。\n",
"\n",
- "\n",
+ "\n",
"\n",
"通过滑动上图中的\"步骤\"滑条，查看不同步骤的图片。\n",
"\n",
@@ -397,7 +405,7 @@
"source": [
"## 对比看板\n",
"\n",
- "对比看板可视用于多个训练之间的标量数据对比，为了展示对比看板，执行以下代码，在可视化面板中可以得到`summary_02`日志记录信息。"
+ "对比看板可视用于多次训练之间的标量数据对比，为了展示对比看板，执行以下代码，在可视化面板中可以得到`summary_02`日志记录信息。"
]
},
{
@@ -445,29 +453,17 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "打开对比看板，可以得到`summary_01`和`summary_02`标量对比信息。\n",
+ "点击MindInsight看板中的**对比看板**，打开对比看板，可以得到`summary_01`和`summary_02`标量对比信息。\n",
"\n",
"\n",
"\n",
- "上图展示了多个训练之间的标量曲线对比效果，横坐标是训练步骤，纵坐标是标量值。\n",
- "\n",
- "图中右上角有几个按钮功能，从左到右功能分别是全屏展示，切换Y轴比例，开启/关闭框选，分步回退和还原图形。\n",
- "\n",
- "- 全屏展示即全屏展示该标量曲线，再点击一次即可恢复。\n",
- "\n",
- "- 切换Y轴比例是指可以将Y轴坐标进行对数转换。\n",
- "\n",
- "- 开启/关闭框选是指可以框选图中部分区域，并放大查看该区域， 可以在已放大的图形上叠加框选。\n",
- "\n",
- "- 分步回退是指对同一个区域连续框选并放大查看时，可以逐步撤销操作。\n",
- "\n",
- "- 还原图形是指进行了多次框选后，点击此按钮可以将图还原回原始状态。\n",
+ "上图展示了多次训练之间的标量曲线对比效果，横坐标是训练步骤，纵坐标是标量值。\n",
"\n",
"\n",
"\n",
"上图展示的对比看板可视的功能区，提供了根据选择不同训练或标签，水平轴的不同维度和平滑度来进行标量对比的功能。\n",
"\n",
- "- 训练: 提供了对所有训练进行多项选择的功能，用户可以通过勾选或关键字筛选所需的训练。\n",
+ "- 训练：提供了对所有训练进行多项选择的功能，用户可以通过勾选或关键字筛选所需的训练。\n",
"\n",
"- 标签：提供了对所有标签进行多项选择的功能，用户可以通过勾选所需的标签，查看对应的标量信息。\n",
"\n",
@@ -484,7 +480,7 @@
"\n",
"以上流程为整体展示Summary算子能记录到的所有数据，也可以单独记录关心的数据，以降低性能开销和日志文件大小。\n",
"\n",
- "> 为了展示运行的效果，进行以下每个步骤之前先删除当前notebook根目录下的`summary_dir/summary_02`目录，配置完`specified`参数后执行[**对比看板**](#对比看板)中的代码。\n",
+ "此处利用[**对比看板**](#对比看板)中的代码，为了排除前次训练对MindInsight展示结果的影响，在进行以下每个步骤之前先删除当前notebook根目录下的`summary_dir/summary_02`目录，配置完`specified`参数后执行[**对比看板**](#对比看板)中的代码，在MindInsight看板中查看结果。\n",
"\n",
"## 单独记录损失值标量\n",
"\n",
diff --git a/tutorials/source_zh_cn/advanced_use/dashboard_and_lineage.md b/tutorials/source_zh_cn/advanced_use/dashboard_and_lineage.md
index 3c5fa33c47175c3a2930e46d473fb68c90659e4e..2cf578aae9fba57dcdc28fb5113be3ef747cc899 100644
--- a/tutorials/source_zh_cn/advanced_use/dashboard_and_lineage.md
+++ b/tutorials/source_zh_cn/advanced_use/dashboard_and_lineage.md
@@ -22,7 +22,7 @@
-
+
## 概述
训练过程中的标量、图像、计算图以及模型超参等信息记录到文件中，通过可视化界面供用户查看。