1. MindSpore框架的SciPy模块

    SciPy 是基于NumPy实现的科学计算库，主要用于数学、物理学、生物学等科学以及工程学领域。诸如高阶迭代，线性代数求解等都会需要用到SicPy。SciPy大体上有数值最优化、线性代数、积分、插值、信号处理、常微分方程求解等计算求解模块。

    原生的SciPy科学计算库仅可CPU平台下使能，对于GPU、Ascend等计算平台无法使用且没有高效的实现。MindSpore是以Python作为表达语言的AI框架，能够合理利用GPU和Ascend的计算能力进行高效计算，并且MindSopre提供了SciPy模块。mindsopre.scipy是MindSpore基于mindspore.numpy和自研算子实现的科学计算库，不仅兼容原生的SciPy能在CPU平台高效运行，而且支持在GPU、Ascend等平台加速计算。

    mindspore.scipy在CPU后端不仅能借助Minspore底层高效的CPU算子而且针对GPU平台也自实现了一系列的GPU底层高效算子。在GPU场景下能够提升硬件算力利用率，大幅提升科学计算的速度。随着后续的更新迭代，Ascend平台上也会使能高性能的mindspore.scipy模块。

    除支持在不同硬件平台加速计算外，mindspore.scipy的接口定义与原生的SciPy保持高度一致，而当前业界已知的TensorFlow和PyTorch等框架中对于科学计算的接口支持与原生SciPy的接口对比存在差异。对于当前MindSpore已经支持的接口，原生的SciPy实现可以直接替换成mindspore.scipy的实现（后面的例子可以看到）。接口定义的高度一致最大程度地降低用户的迁移成本，提高minspore.scipy的易用性。

2.安装mindspore.scipy

    MindSpore的SciPy模块是作为科学计算的组件嵌入在MindSpore中的。当用户成功安装MindSpore框架后，minspore.scipy也会随之安装。MindSpore的安装命令由下图所示

 

详情参见：

　　https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=179700&page=1&authorid=&replytype=&extra=#pid1422138