华为AI框架：MindSpore+MindInsight安装-Ubuntu

MindSpore+MindInsight安装-Ubuntu

MindSpore介绍和安装缘由

MindSpore是华为开源自研AI框架，类似于Pytorch和Tensorflow。因为任务需求，需要将代码转换为MindSpore的版本，故学习和使用。由于现在还在发展中，这个框架还存在一些问题。在安装中我就遇到了一些问题，记录下来希望对其他人有所帮助。

###安装MindSpore

在尝试多种安装方式后，找到了快捷方便的方式。命令如下：

pip install --upgrade mindspore-gpu

这个会安装最新且为GPU版本的MindSpore

如我的安装后的版本信息：

mindspore_gpu-1.2.0-cp38-cp38-manylinux1_x86_64.whl

官网给出的其他安装方式，其中pip方式我安装了没有成功，采用上述我提供的方式就会简单很多。

验证是否成功安装

由于官网给的测试代码是为了推自研的人工智能芯片Ascend，所以提供的测试代码需要修改一行，才符合我们一般的使用者。

测试代码如下：

import numpy as np
from mindspore import Tensor
import mindspore.ops as ops
import mindspore.context as context

context.set_context(device_target="GPU")#这里不同，改成GPU了，表示使用GPU。如果是用CPU，这里改成“CPU”即可
x = Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = Tensor(np.ones([1,3,3,4]).astype(np.float32))
print(ops.add(x, y))

结果是值全为2的矩阵，矩阵shape是[1,3,3,4]

安装MindInsight

• MindInsight为MindSpore提供了简单易用的调优调试能力。在训练过程中，可以将标量、张量、图像、计算图、模型超参、训练耗时等数据记录到文件中，通过MindInsight可视化页面进行查看及分析。

• 安装MindInsight其实是为了使用MindConverter（为MindInsight的子模块）。MindConverter可以将PyTorch、TensorFlow脚本转换到MindSpore脚本的工具。安装过程中依旧遇到了很多问题，希望我的解决方案能够帮助他人。

官网给出的安装方式。其中pip方式依旧拉垮。可能是我设置不对，反正多种尝试后，均不行。后采用源码编译的方式安装。

从代码仓下载源码

git clone https://gitee.com/mindspore/mindinsight.git

编译和安装我采用以下方式

cd mindinsight
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
python setup.py install

遇到的问题

• Cmake更新，Cmake版本过低问题

  pip install cmake --upgrade
  

  这样就安装到最新版了。

• npm报错，会有各种报错。经过测试发现就是版本的问题或者npm没有安装。

  sudo apt-get install npm
  npm install -g npm@4.0.0
  

  第一行是安装npm，第二行是调整npm的版本。我的MindInsight是1.2版本，经过测试npm是4.0.0就可以顺利解决了。如果依旧报npm的错，那么请调整npm的版本。修改npm@4.0.0后面的版本号即可。

验证安装是否成功

执行命令：

mindinsight start

提示如下，说明安装成功：

Web address: http://127.0.0.1:8080
service start state: success

MindConverter初体验。

MindConverter是一款用于将PyTorch、TensorFlow脚本转换到MindSpore脚本的工具。为了方便我的代码迁移，想使用提供的工具。由于我的代码是Pytorch，就说一下我的体验和感受。

转换pytorch代码

命令如下，一次只能转换一个py文件。

mindconverter --in_file ./my_model_train.py \
              --output ./output \
              --report ./output/report

只需要修改"in_file"为你要转换的代码，output文件夹下就会出现转换后的代码。使用起来非常方便。

report用来说明转换中那些是成功那些还不对的。截取我的转换结果如下：

line 17:0: [UnConvert] 'from torch.utils.data import DataLoader' didn't convert. Please manual convert the code, along with the code associated with it.
line 19:0: [UnConvert] 'from torch.autograd import Variable' didn't convert. Please manual convert the code, along with the code associated with it.
line 20:0: [Convert] 'import torch.nn.functional as F' is converted to 'import mindspore.ops.operations as P'.
line 21:0: [UnConvert] 'import torch.autograd as autograd' didn't convert. Please manual convert the code, along with the code associated with it.
line 22:0: [UnConvert] 'import torch.utils.data as data' didn't convert. Please manual convert the code, along with the code associated with it.

其中UnConvert就是没有转换成功的。这个工具看起来非常方便，但是由于逻辑的不同很多操作还是需要手动去修改。

• 不推荐使用这个工具作为整体的转换
• 推荐使用这个工具转换Net部分（如几层的卷积层），对于这部分转换还是很准确的。
• 转换PyTorch算子的工具。

原文先发布在我个人微信公众号，这里属于转载过来。原文