MindSpore校园行-图像分类

1， 安装Python
https://mirrors.huaweicloud.com/python/3.7.5/python-3.7.5-amd64.exe

2，Python操作体验

3，安装 mindspore
方式1：
pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.6.1/MindSpore/cpu/x86_64/mindspore-1.6.1-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

方式2：
下载whl包：
https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.6.1/MindSpore/cpu/x86_64/mindspore-1.6.1-cp37-cp37m-win_amd64.whl
然后 pip install xxx.whl

4，安装mindvision
pip install mindvision -i https://pypi.tuna.tsinghua.edu.cn/simple

5，在I盘创建一个文件夹，取名叫做“dog_and_bread”

6，下载数据集和预训练好的模型到 dog_and_bread文件夹里面，解压。下载链接：
https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/notebook/datasets/beginner/DogCroissants.zip

https://download.mindspore.cn/vision/classification/mobilenet_v2_1.0_224.ckpt

7，下载该实验的Python代码
https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/master/tutorials/zh_cn/beginner/mindspore_infer.py

用记事本打开代码文件，注释掉“# 下载并解压数据集”和“# 下载预训练模型文件”这两行下面的代码，如下（在行首加上#代表注释这行代码，这样的话它就不会运行了）：

# 下载并解压数据集
# dl.download_and_extract_archive(dataset_url, path)
# 下载预训练模型文件
# dl.download_url(models_url)

8，在 dog_and_bread 文件夹里面创建一个文件夹叫“datasets”，然后把DogCroissants文件夹放进去。
9，正式开始训练
cd I:/dog_and_bread

python mindspore_infer.py

训练完成后会弹出一张图

10，下载模型转换工具，放到dog_and_bread文件夹内
https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.6.1/MindSpore/lite/release/windows/mindspore-lite-1.6.1-win-x64.zip

11，设置依赖包路径，
set PACKAGE_ROOT_PATH=I:\dog_and_bread\mindspore-lite-1.6.1-win-x64
,
set PATH=%PACKAGE_ROOT_PATH%\tools\converter\lib;%PATH%

12，在mindspore-lite-win-x64\tools\converter\converter路径下执行转换命令

call converter_lite --fmk=MINDIR --modelFile=I:\dog_and_bread\mobilenet_v2_1.0_224.mindir --outputFile=I:\dog_and_bread\mobilenet_v2_1.0_224

13，创建一个custom.json文件，json文件内容：
{
“title”: ‘狗和牛角包’,
“file”: ‘mobilenet_v2_1.0_224.ms’,
“label”: [‘牛角包’, ‘狗’]
}

14，把custom.json和mobilenet_v2_1.0_224.ms发送到手机（利用QQ邮箱）。

15，打开手机上安装的mindspore应用，长按“分类”按钮，在手机文件-下载中找到刚刚发送的custom.json文件，就可以部署模型了。