摘要：用MindSpore+Jina，基于Fashion-MNIST Dataset搭建的服装搜索系统。 引言
各位算法萌新们，是不是经常训练了模型却不知道如何部署和应用？或者只会调参但不会前端后端所以没法向老板们解释这个模型可以做啥？如果有一种非常简单的方式，让你在3分钟内就能建立一个以深度学习为支撑的搜索系统，并能在前端展示出来show给各位老板们看？想不想尝试呢？本文来自MindSpore社区技术治理委员会（TSC）的成员肖涵博士——Jina的创始人，用MindSpore+Jina，基于Fashion-MNIST Dataset搭建的服装搜索系统。
[本文目录]如何用Jina①步搞定？
Jina的hello-world是如何运行的？
如何使用MindSpore+Jina来搭建搜索系统？
创建一个MindSpore Executor
修改MindSpore的Encoder和网络代码
写一个单元测试
准备Dockerfile
最后一步：终于可以Build了！
来看MindSpore的成品吧！
总结
喜欢逛淘宝或者各大海淘网站的各位程序员（的女朋友们），你们在浏览服装的时候，是不是会经常看见模特们身上的衣服，全！都！想！要！但是，不知道从哪儿买，货号是什么？就算从各大穿搭博主那儿知道货号了，也懒得一一去搜索。现在，完全不需要这么麻烦，只要你花3分钟建立这个服装搜索系统，当你的女朋友再看到模特身上的衣服，就可以搜索出最相似的衣服，是不是很赞！
图1 Shop the look
在做之前，先了解一下我们今天需要使用的两个框架：MindSpore和Jina
MindSpore是2020年3月28日华为开源的深度学习框架，它能原生支持自家的昇腾芯片，极大的提升了运行性能！
Jina是一个由最先进的AI和深度学习驱动的云端神经搜索框架，可以在多个平台和架构上实现任何类型的大规模索引和查询。无论你搜索图片、视频片段还是音频片段，Jina都能处理。
这里使用的数据集是Fashion-MNIST dataset。它包含70,000张图片，其中60,000张为训练集，10,000张为测试集。每张图片都是28x28的灰度图像，一共10个类别。下面我们正式开始吧！
如何用Jina①步搞定？首先你需要一台电脑，确认一下环境是否ok:
Mac OS or Linux
Python 3.7, 3.8
Docker
然后执行以下一行命令即可：
pip install jina && jina hello-world