"A minute" Copy siege lion log 】 【 run MindSpore LeNet model

# 含泪"一分钟"跑通MindSpore的LeNet模型

 

> 前言：此文为r0.7-beta的操作实践,为什么我的眼里常含泪水,因为我对踩坑这件事爱得深沉.谨以此文献给和我一样踩坑的小伙伴,Commemorating the moment of stepping on the pit.

↑开局一张图,故事全靠编.

 

有时候常常问自己：我一个前端开发,没有python基础,居然敢尝试使用深度学习框架？谁给的勇气,是梁静茹吗？有时候也常常暗示自己“技多不压身”,活得像周树人笔下的阿Q一样洒脱,不过现实就像--我是钻井工,钻了一个又一个的井,因为没有坚持,一次又一次地和宝藏擦肩而过最终空手而归;有时候也常常告慰自己：“Just DO IT”,IT这么吃香,不干IT还能干啥？不就是换个地儿搬砖吗？定个小目标,先跑通MindSpore的LeNet模型！

 

## 安装

 

优秀的全场景深度学习框架开源项目,应该提供Docker安装镜像;先康康我的运行环境：

 

- Ubuntu 18.04.5 LTS

- Docker version 18.09.6

这次安装的是CPU版本的,命令：

```bash

docker pull mindspore/mindspore-cpu:0.7.0-betadocker run -it mindspore/mindspore-cpu:0.7.0-beta /bin/bash

```

一步到“胃”,直接进入到home目录,接下来Copy攻城狮要开始表演粗劣的Copy大法,跑通MindSpore的LeNet模型.

 

## Fork代码

为啥要Fork代码呢？您指望一个毫无核心技术的Copy攻城狮手写一个深度学习框架MindSpore？代码千千万,Fork第一条！不啰嗦,先fork一下[MindSpore官方仓库](https://gitee.com/mindspore/mindspore),一键拥有深度学习框架.当然Fork之后,我们要将代码clone到本地,因为我的码云账号叫`hu-qi`,所以我要clone的路径是`https://gitee.com/hu-qi/mindspore`.

```bash

git clone https://gitee.com/hu-qi/mindspore

```

因为码云是咱自己的,速度倍儿棒,稍等片刻,美味即将呈现.

 

## 翻车现场

**ModuleNotFoundError: No module named 'mindspore.dataset.vision'**.

习惯了瞎折腾,以为直接运行`train.py`就能一分钟跑通,还是“too young,too simple”.一波错误的示范,Then there is the huge hole in the picture above：

```bash

cd /home/mindspore/model_zoo/official/cv/lenet/train.py

```

幸好前人已经踩过坑了：[Windows系统下跑通华为MindSpore的Lenet网络](https://zhuanlan.zhihu.com/p/240134719?from=groupmessage),尽管是Windows系统的,看上去似乎是相同的问题.为了记录本次踩坑历程,我决定施展一下`git技能`！

 

## checkout踩坑分支

 

为了印象更加深刻,我决定将分支命名为`9-12`,以此纪念"9·12踩坑事件".

 

```bash

cd /home/mindspore

git checkout -b 9-12

```

然后参照前人的经验教训开始修改本地文件.

 

## 修改文件

 

本次修改的是两个文件--`lenet/train.py`和`lenet/src/dataset.py`.

 

- `lenet/src/dataset.py`

 

```python

# ……

# line 20新增层级transforms

import mindspore.dataset.transforms.vision.c_transforms as CV

# line 22新增层级transforms

from mindspore.dataset.transforms.vision import Int

# ……

```

 

- `lenet/train.py`

 

```python

# ……

# 注释line 32和line34

# from mindspore.common import set_seed

# set_seed(1）

# line 55新增设置is_grad=false

net_loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction="mean", is_grad=False)

# ……

```

 

在lenet目录满怀信心的执行命令：`python train.py --device_target=CPU --dataset_sink_mode=False`,结果又是一个错误：**ValueError: The folder ./Data/train does not exist or permission denied!**.

 

一开始以为是权限的问题,经过一些尝试,发现是没有`Data`目录.那就在`lenet`下新建一个`Data`目录以及子目录`test`和`train`吧.

```bash

cd /home/mindspore/model_zoo/official/cv/lenet

mkdir Data

mkdir Data/test && mkdir Data/train

```

 

然后依旧满怀信心敲下执行训练的命令：`python train.py --device_target=CPU --dataset_sink_mode=False`

 

结果又是一个坑：

**Unexpected error. There is no valid data matching the dataset API MnistDataset.Please check file path or dataset API validation first.**.怎么办？意识到脚本并没有给我自动下载Mnist数据集,又不懂代码,只好手动去下载了.

 

## 下载`Mnist`数据集

 

Mnist数据集： [http://yann.lecun.com/exdb/mnist/](http://yann.lecun.com/exdb/mnist/)

 

数据目录结构：

 

```txt

└─Data

    ├─test

    │      t10k-images.idx3-ubyte

    │      t10k-labels.idx1-ubyte

    │

    └─train

            train-images.idx3-ubyte

            train-labels.idx1-ubyte

```

 

既然是linux,二话不说,先来四个`wget`！

 

```bash

# 切换到Data目录

cd Data

# 下载训练图片

wget http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz

# 下载训练标签

wget http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz

#下载测试图片

wget http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz

# 下载测试标签

wget http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz

```

 

然后又是一波解压操作,来四个`gunzip`：

 

```bash

gunzip train-images-idx3-ubyte.gz

gunzip train-labels-idx1-ubyte.gz

gunzip t10k-images-idx3-ubyte.gz

gunzip t10k-labels-idx1-ubyte.gz

```

 

最后,Another wave of moving files.来四个`mv`:

 

```bash

mv train-images-idx3-ubyte ./train

mv train-labels-idx1-ubyte ./train

mv t10k-images-idx3-ubyte ./test/

mv t10k-labels-idx1-ubyte ./test/

```

 

此时此刻,感受到不懂代码真吃亏,明明几行代码就解决了,我要这么多套“切克闹”才能获取到数据集,我一定向明明学习,争取早日摆脱**Copy攻城狮**的称号,实现**代码自由**,赢取**开源硕果**,走向**撸码巅峰**！咳咳,再来一盘花生米,我还能唠嗑！

 

## 训练及验证

 

新司机再次上路,这回我总能愉快的训练了吧？

 

```bash

cd /home/mindspore/model_zoo/official/cv/lenet

python train.py --device_target=CPU --dataset_sink_mode=False

```

然后终于看到了胜利的曙光,跑起来了！跑起来了！跑起来了！

看到一行行日志不断涌现,我的眼眶噙满了泪水--“小胡,你在干啥？你丫一前端上班在跑模型,不想干了吗？明天去财务领钱……”

还好隔壁王哥及时解围--“他这是在深度学习,以后不会再把1像素切成2像素了”

 

接下还需要验证一下：

 

```bash

cd /home/mindspore/model_zoo/official/cv/lenet

python eval.py --ckpt_path="ckpt/checkpoint_lenet-10_1875.ckpt" --device_target=CPU

```

 

运行结果：

 

```log

============== Starting Testing ==============

============== {'Accuracy': 0.9847756410256411} ==============

```

勉强能接受吧,毕竟只整了10个epoch.

 

## 上传到远程仓库

 

尽管我们已经跑通了MindSpore的LeNet,不过我还是希望能把踩的这些坑记录下来,最后再使用一下`git`技能：

 

```bash

# 切换到本地仓库目录

cd /home/mindspore

# 设置git

git config --global user.email "[email protected]"

git config --global user.name "hu-qi"

# 查看本地分支,确保我的9-12还在

git branch

# 查看有哪些改变

git status

# 新增改变

git add .

# 提交改变到缓存仓库

git commit -m 'finish LeNet'

# 推送分支到远程（按照提示登录）

git push origin 9-12

```

 

一顿操作猛如虎,一看代码原地杵,当然要切换到`9-12`这个分支才有的啦

## 结语

 

所谓“一分钟”的体验,大概花了一个小时踩坑了,然后大概花了三个小时来记录.不足之处,期待各位大佬多多指教！