在WSL2的Ubuntu 18.04下体验TinyMS 0.3.1（LeNet网络）

Micro，Tiny，Mini，Lite是一群好搭档（傻傻分不清楚）。如果没有特别跟你说，一般情况下你都不知道带这些单词的词组到底是什么意思。比如MindSpore Lite是MindSpore的端边AI引擎，TensorFlow Lite是TF在移动设备和嵌入式设备的轻量级解决方案。这两个是要对标的。那么TinyMS，作为Tiny、Modular、Simple的缩写，对标的却是Keras——Tensorfow的高阶API。当然，同时被华为TinyMS对标的是Fastai——PyTorch的高阶API。我们一直知道的是，MindSpore的移植最常见的就是从TF和PyTorch迁移，那么Keras和Fastai这对胖哥俩，自然一个都少不了。

闲话少说，我们就看看TinyMS该怎么玩吧。

在玩转TinyMS之前，得先去B站看下曼sir的保姆级教程（一共10集，目前已推出了5集）：

【保姆级教程】EP01-最适合小白的深度学习入门课程来了！
https://www.bilibili.com/video/BV1MB4y1P79S

【保姆级教程】EP02-计算机是如何识别图像的？+TinyMS三种安装方式详解
https://www.bilibili.com/video/BV18v41187fX

【保姆级教程】EP03-30min速成Shell脚本命令
https://www.bilibili.com/video/BV1vy4y1b7jh

【保姆级教程】EP04-30min速成Python指南（上）| MindSpore高阶API工具TinyMS系列教程
https://www.bilibili.com/video/BV1Tp4y1b7UG

【保姆级教程】EP05-30min速成Python指南（下）| MindSpore高阶API工具TinyMS系列教程
https://www.bilibili.com/video/BV1XS4y1Z7yp

其实看了第二段，就可以安装TinyMS了。

当然，我们还是要结合官网：https://tinyms.readthedocs.io/zh_CN/v0.3.1/quickstart/install.html

张小白还是用WSL2（Ubuntu 18.04）来安装吧。

这上面已经安装好了Anaconda，但是Python是3.8版本

所以用conda建一个python 3.7.5的环境：

按Y继续：

确认了3.7.5的大蟒蛇眼神之后，开始安装：

pip install tinyms==0.3.1 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

看来还得降级装一下0.3.0的版本：

pip install tinyms==0.3.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

。。。

验证安装是否成功：

查看tinyms的版本：

pip show tinyms

查看下wsl2的IP地址：（好像看了也没啥用）

启动jupyter lab:

我们到JupyterLab页面去看看怎么玩转TinyMS。

浏览器打开以下地址：

 http://127.0.0.1:8888/lab?token=ce99234cec88f7be435dbb47d16cfe5d5de656d1d5369692

选择Python后打开：

奇怪，怎么没有tinyms包呢？

经过度娘得知，原来还需要安装下nb_conda：

安装之后，好像还是不行。

再二次度娘“jupyter notebook 设定指定conda环境”得知：jupyter notebook 设定指定conda环境_gs344937933的专栏-CSDN博客

需要做个设置：

python -m ipykernel install --user --name tinyms --display-name "Python (tinyms)"

然后再到Notebook中，切换下内核：

再重试下：

好了，那我们来试下样例的TinyMS吧（ https://tinyms.readthedocs.io/zh_CN/v0.3.1/quickstart/quickstart_in_one_minute.html ）

感觉好像还是版本不匹配引起的，试着安装下tinyms的0.3.1版本吧：

pip install tinyms==0.3.1 

不使用国内pip源速度慢一点，但是却可以装。那就耐心等待安装结束吧。

再来重启jupyter lab和重新执行Notebook

终于可以了。（牛年不容易，期望虎年容易些。。）

创建LeNet网络：

下载数据集：

耐心等待下载完毕：

下面开始训练模型：

。。。

耐心等待第一个epoch 1875个step结束：

可见左边的ckpt模型文件已经生成。

然后开始评估：

定义servable json

启动服务器：

此时，因为这个命令没有执行完毕，所以出现不了数字。

再打开一个新的Notebook（选择TinyMS内核）

准备图片：

查看后台模型：

进行推理（通过serving发送请求）

可以看到推理的结果是7。

再切换到原来的服务端，关闭服务：

这就完成了手写数字LeNet网络的训练和推理过程。

从上面的体验可以看出：

（1）从主体代码来看，TinyMS像是将基本代码和MindSpore Serving做了个结合。

（2）训练代码在建立网络上略显得简洁，训练参数也略有减少，但是所有的步骤貌似都没减少。如果让用户看到更少的参数设置或许会更好一点。

（3）推理代码一行话完成，确实也简洁了很多。说明TinyMS团队的目标就是让开发者使用起来更简单一些。

（全文完，谢谢阅读）