MindSpore构建了基于数据量、模型参数量、网络集群拓扑带宽等信息的代价模型(Cost Model)，自动选择一种代价最小的模型切分方式，并绑定模型到设备执行，实现自动分布式并行训练。

MindSpore中的数据处理功能名为MindData，用于完成训练过程中数据的pipeline处理，具备数据加载、数据增强、导入训练等功能，并提供了简单易用的编程接口，以及覆盖CV/NLP等全场景的丰富数据处理能力。

MindSpore也支持分布式训练。

在分布式数据并行模式下，在每个批量batch之后，计算和模型信息会被分布到工作对象中，并提供了“切片与重采样”两种调整迭代数和分割数据的方法。

最后，承担MindSpore前端与底层硬件交互任务的是图引擎模块。

它是MindSpore内部进行图处理的模块，负责将管理引擎传下来的图进行一系列的图操作，最终转化为可以在底层硬件上直接运行的图，并对图中所用到的所有算子进行分配与管理。

在图处理过程中，图引擎会统一定义各插件模块需要提供的接口，具体的插件由不同的功能模块根据自己的能力提供，它会根据不同的插件提供的能力，实现最优的执行选择，来保证性能。