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：

MindSpore​www.mindspore.cn/

对于个人来讲，去年便对MindSpore有简单了解，做过一些其与TensorFlow、PyTorch的对比分析。因为此前尚未开源，只能基于公开的文档做调研而已。

而三月底，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）。

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。而不幸的是我的这台Lenovo游戏主机是Windows 10的系统。

仔细了下文档，发现实际上MindSpore是支持Windows平台的[1]，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。

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。

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

安装MindSpore

下载MindSpore的whl文件，下载地址见这里，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（yes, just retry），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：

Tsinghua Open Source Mirror​mirror.tuna.tsinghua.edu.cn/help/pypi/正在上传…重新上传取消​

一个临时的办法可以是：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple mindspore-0.1.0-cp37-cp37m-win_amd64.whl

验证Spore安装是否成功

python
>>> import mindspore as ms
>>> print(ms.__version__)
# 如果成功，上面应该打印 0.1.0

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 https://github.com/mindspore-ai/docs.git

如果你和我一样懒，仅仅下载lenet.py也可以，路径如下：

https://github.com/mindspore-ai/docs/blob/master/tutorials/tutorial_code/lenet.py

训练LeNet

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

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：

https://gitee.com/loveunk/mindspore/blob/master/example/_lenet_demo/MNIST_Data.zip

---

如果本文对你有帮助，欢迎“三连”~