【转自凯恩博学习笔记】 侵删 原文链接：凯恩博的深度学习笔记

MindSpore安装和训练体验

1.MindSpore简介

MindSpore可以做模型的自动切分这一点让人印象深刻。当然，还有很多特点，比如自动微分、支持动态图+静态图，等等。如果希望了解更多，请看MindSpore官网：

三月底，在HDC大会时，华为正式开源了MindSpore的源码和相应的文档。因而有机会实际拿来运行看看，本文将介绍如何在Windows平台安装和搭建MindSpore，同时训练一个小的网络（LeNet）。

2. 安装MindSpore

截至今天，MindSpore官网建议的安装操作系统为EulerOS和Ubuntu，并不包括Windows。但仔细看了下文档，发现实际上MindSpore是支持Windows平台的，只不过只能以CPU的模式运行（暂时不支持Windows平台的GPU）。如果希望尝试MindSpore对GPU的支持，需要使用Ubuntu系列或者华为的EulerOS（这也不是本文的重点）。

下面进入安装的正题。

3.安装Anaconda

非常推荐使用Anaconda作为Python虚拟环境的管理。

你可以去Anaconda官网下载（），一路Next即可。如果遇到问题，可适当参考这里（）。

由于Anaconda的安装过程简单直观，这里不详述了。

4.创建MindSpore的Python Env

目前MindSpore仅仅支持Python 3.7.5，下面创建的pyhton env就叫做mindspore：

conda create -n mindspore python=3.7.5

5.安装MindSpore

下载MindSpore的whl文件，下载地址：点击这里，目前只有一个0.1.0的版本

mindspore-0.1.0-cp37-cp37m-win_amd64.whl

在mindspore这个python env里执行：

conda activate mindspore

 # 此时你应该在mindspore-0.1.0-cp37-cp37m-win_amd64.whl这个文件的目录里

pip install mindspore-0.1.0-cp37-cp37m-win_amd64.whl

注意，这里很多同学反应安装过程很慢，甚至有失败的情况，基本都是网络惹得祸。因为安装上面的whl文件时会按照一些依赖的libraries，如果你的pip是默认源的话，在国内的网络下载时可能遇到问题的。一个解决办法是重试，另一个办法是把pip源切换为国内的源，比如清华源。具体方法见这里：

一个临时的办法可以是：

pip install -i  mindspore-0.1.0-cp37-cp37m-win_amd64.whl

6.验证MindSpore是否安装成功

python

>>> import mindspore as ms

>>> print(ms.__version__)

# 如果成功，上面应该打印 0.1.0

7.训练一个LeNet

华为官方已经在其MindSpore Doc这个Repo里内置了一些examples，比如LeNet。

直接Fork吧：

git clone 

如果你和我一样懒，仅仅下载lenet.py也可以，路径如下：

因为这个代码里默认使用的训练设备为Ascend，所以需要手动设置一下--device_target为CPU：

python lenet.py --device_target CPU

MindSpore用LeNet训练MNIST，大约十几秒就可以跑完一个Epoch了：

******Downloading the MNIST dataset******

============== Starting Training ==============

epoch: 1 step: 1, loss is 2.3008137

epoch: 1 step: 2, loss is 2.299688

epoch: 1 step: 3, loss is 2.309444

epoch: 1 step: 4, loss is 2.3006275

epoch: 1 step: 5, loss is 2.3028035

epoch: 1 step: 6, loss is 2.302422

epoch: 1 step: 7, loss is 2.3067183

epoch: 1 step: 8, loss is 2.3057096

epoch: 1 step: 9, loss is 2.3042586

epoch: 1 step: 10, loss is 2.303799

...

...

...

epoch: 1 step: 1870, loss is 0.15847126

epoch: 1 step: 1871, loss is 0.12955114

epoch: 1 step: 1872, loss is 0.15605931

epoch: 1 step: 1873, loss is 0.28985676

epoch: 1 step: 1874, loss is 0.14183074

epoch: 1 step: 1875, loss is 0.05726877

============== Starting Testing ==============

============== Accuracy:{'Accuracy': 0.9625400641025641} ==============

看看Accuracy，已经到96.25%，还可以~

我们观察一下这个目录，会看到同时还保存了模型文件(.ckpt和.meta）还有train、val时的pb文件，具体待后面再讲。

04/25/2020  12:21 PM           494,155 checkpoint_lenet-1_1875.ckpt

04/25/2020  12:20 PM            15,033 checkpoint_lenet-graph.meta

04/25/2020  02:36 PM             4,831 ms_output_0eval.pb

04/25/2020  02:36 PM            15,878 ms_output_0train.pb

8.避坑指南

也许在上面你会遇到MNIST数据集下载的问题。

以我自己为例，在电信的宽带下载MNIST几乎是龟速，实在没法忍，想起此前在其他Repo下载过这个数据集的几个gz文件。于是copy进lenet.py里定义的路径：

train_path = "./MNIST_Data/train/"

test_path = "./MNIST_Data/test/"

需要注意的是需要分别copy train-*到./MNIST_Data/train， t10k-*到./MNIST_Data/test

如果你之前没下载过，你可以直接在这里下载下面这个link的MNIST_DATA的压缩包，解压到lenet.py的同级目录即可：

9.参考

1. Windows系统安装MindSpore - MindSpore master documentation

【转】内容转载，侵删 原文链接 凯恩博的深度学习笔记