簡(jiǎn)介

實(shí)驗(yàn)包含 2部分：

1. 基于 Mindspore 框架的模型本地訓(xùn)練及預(yù)測(cè)
2. 基于 Modelarts 平臺(tái)和 PyTorch框架的模型訓(xùn)練及部署

基于 Mindspore 框架的模型本地訓(xùn)練及預(yù)測(cè)

本例子會(huì)實(shí)現(xiàn)一個(gè)簡(jiǎn)單的圖片分類的功能，整體流程如下：

1. 處理需要的數(shù)據(jù)集，這里使用了 MNIST 數(shù)據(jù)集。
2. 定義一個(gè)網(wǎng)絡(luò)，這里我們使用 LeNet 網(wǎng)絡(luò)。
3. 定義損失函數(shù)和優(yōu)化器。
4. 加載數(shù)據(jù)集并進(jìn)行訓(xùn)練，訓(xùn)練完成后，查看結(jié)果及保存模型文件。
5. 加載保存的模型，進(jìn)行推理。
6. 驗(yàn)證模型，加載測(cè)試數(shù)據(jù)集和訓(xùn)練后的模型，驗(yàn)證結(jié)果精度

安裝 MindSpore

安裝頁面

【資料圖】

如圖：我是在自己電腦下載，所以下載Windows版本的，然后選CPU。python版本都可以選。

安裝報(bào)錯(cuò)：

如果提示這個(gè)，一般是兩個(gè)原因：

• 你的電腦之前有裝其他版本的python，pip版本和python不對(duì)應(yīng)。
  • 卸載python重新裝一個(gè)。
  • 使用命令：python3 -m pip install --upgrade pip更新pip。
• 下載命令錯(cuò)誤。安裝MindSpore有兩種pip命令，下面是另一種：

• 如果報(bào)錯(cuò)，可以試試不同的命令（親測(cè)有效）。

MNIST 數(shù)據(jù)集

我們示例中用到的 MNIST 數(shù)據(jù)集是由 10 類 28*28 的灰度圖片組成，訓(xùn)練數(shù)據(jù)集包含60000 張圖片，測(cè)試數(shù)據(jù)集包含 10000 張圖片。

MNIST 數(shù)據(jù)集下載頁面：下載頁面

將數(shù)據(jù)集解壓分別存放到工作區(qū)的./MNIST_Data/train、./MNIST_Data/test 路徑下。

其他一些報(bào)錯(cuò)

現(xiàn)在，使用PyCharm打開文件夾。

• 如果出現(xiàn)MindSpore找不到，

  驗(yàn)證一下的你的Interpreter：檢查下Package

• 提示需要下載easydict

  直接pip下載，或通過Package中下載。

實(shí)驗(yàn)步驟

• 打開項(xiàng)目，我使用的是PyCharm：

• 修改代碼
  • 修改默認(rèn)的設(shè)備，這里我是Windows下的CPU版本，所以修改為CPU

• 增加eval.py和train.py需要的代碼：

  • 設(shè)定 loss 函數(shù)

  • 設(shè)定優(yōu)化器

  • 編譯形成模型

  • 訓(xùn)練網(wǎng)絡(luò)

• 增添lenet.py的代碼。

• 運(yùn)行train.py：

• 之后，生成了ckpy文件夾。這里保存的用于測(cè)試的模型。那么第十輪我們損失函數(shù)最小，我們自然就用第十輪的模型：

• 運(yùn)行eval.py。

基于 Modelarts 平臺(tái)和 PyTorch 框架的模型訓(xùn)練及部署

先注冊(cè)一個(gè)華為云賬號(hào)。

然后按照教程：教程，一步一步完成即可。

上一篇：官方售價(jià)21.18萬元起 一汽豐田2023款凌放HARRIER正式上市|當(dāng)前熱文

下一篇：第25屆上影節(jié)金爵獎(jiǎng)入圍影片公布 天天熱聞