MindSpore入门：环境准备及编译源码_mindspore编译过程

看完这篇文章，我奶奶都会编mindspore

目录

前言

一、下载Docker

二、安装WSL

三、Docker Hub挑选合适Image

四、拉起Docker

五、安装环境

六、下载代码

六、编译源码

七、安装MindSpore

总结

---

前言

MindSpore固然已经有发布版本，但是作为闲得无聊的废物程序员，我决定从源码级别编译出自己版本的MindSpore。由于太穷了，只能在自己的主力机Windows上编这玩意，同时为了不浪费自己的4090，想编个GPU版的。然而万恶的MindSpore开发人员居然不支持在Windows上编译带GPU的MindSpore，于是，我只能曲线救国在Windows上起Docker。。。

---

一、下载Docker

Docker是个好东西，可参考教程。

6.Docker Desktop 安装使用教程-CSDN博客

二、安装WSL

WSL是Windows内嵌的Linux子系统，可参考教程。

win10系统下载安装wsl2_wsl下载-CSDN博客

三、Docker Hub挑选合适Image

先nvidia-smi查看cuda版本，再Docker Hub上搜索mindspore-gpu-cuda{版本号}，下载相应的Image镜像，本人用的是11.6，刚好有此版本的镜像。

如果没找到不要紧，MindSpore提供的官方镜像也只是预安装了cuda和cudnn，如果这两个你都会，可自行安装。

四、拉起Docker

根据实际情况修改参数并运行如下命令行拉起Docker

docker run -i -t -v E:\DockerDevelop:/home/develop:rw --gpus all --shm-size 12G -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all mindspore/mindspore-gpu-cuda11.6:2.0.0-alpha /bin/bash

其中的部分参数解释一下：

• -v E:\DockerDevelop:/home/develop:rw        本地E:\DockerDevelop和远端/home/develop共享读写
• --shm-size 12G                Docker运行占用的内存，尽量大些，不然编译失败
• --gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all        Docker使能GPU

Tips：

本人习惯在VSCode上开发，VSCode上的Docker插件可以Attach运行中的Docker容器，即可通过VSCode同时编辑本地和远端的环境，十分方便。

五、安装环境

参考MindSpore自动环境搭建

如果遇到cuda版本没找到，可修改脚本。

六、下载代码

目前GPU编译的源码最新版本为r2.2，使用如下命令行下载代码仓。

git clone -b r2.2 https://gitee.com/mindspore/mindspore.git

六、编译源码

参考编译MindSpore

如果Docker运行内存小于8G，编译线程数尽量小，不然会编译失败。

七、安装MindSpore

编译完成后会生成wheel包，参考安装MindSpore

---

总结

整体编译时长四个半小时，可能本人电脑太垃圾了。对于不想折腾的人来说，还是下载发布版吧。