1、MindSpore支持多种类型的算子，用户可根据算子支持列表查询。如果已有的算子不满足实际需求，用户也可以开发自定义算子。在提供深度学习主要网络的算子的同时，MindSpore自带的张量引擎（Tensor Engine）支持用户使用Python DSL（Domain Specific Language）自定义算子，并且提供算子级的自动微分接口。通过使用 Python DSL,用户可以在Python中像写数学式子那样自定义算子。同时，如同数学中的微分符号一样简洁直观，张量引擎的算子自动微分接口也可以直接对DSL定义的算子进行微分。
2、正如下面的代码片所示，前项算子是用户用DSL自定义的算子。张量引擎（Tensor Engine）提供反向接口去推导出反向算子。对于多输入的算子，反向算子接口可以指定一个或者多个前项算子的输入，从而对输入进行自动微分计算。
3、MindSpore中三种算子：正向算子反向算子自定义算子接下来我们介绍一下自定义算子：
4、MindSpore支持如下自定义算子：自定义Ascend（昇腾）算子AI Core算子AI CPU算子自定义GPU算子自定义CPU算子AI Core算子是昇腾 AI 处理器计算核心的主要构成，负责执行向量和张量相关的计算密集型算子。AI CPU算子是AI CPU负责执行昇腾处理器中海思 SoC 的CPU类算子（包括控制算子、标量和向量等通用计算）。MindSpore中同一个算子可能会同时拥有 AI Core 算子和AI CPU算子，框架会优先选择 AI Core 算子，没有 AI Core 算子或者不满足选择的场景下，会调用AI CPU算子。
5、自定义算子用于自动微分实例 def sigmoid(x) #前项算子的DSL实现 fr泠贾高框om te.lang.cce import vrec,vadds,vexp,vmuls res=vrec(vadds(vexp(vmuls(x,-1.0),1.0)) return res def sigmoid _ad(dout,x) import te #前项算子引用 out= sigmoid(x) #前项算子自动微分后生成的反向算子 [dx]=te.differentiate(out,[x],dout) return dx
