华为ModelArts-mindspore初体验-昇腾芯片部署_modelarts和mindspore

本次实验的任务是基于ModelArts和MindSpore的Mnist图像识别实验
我们会在三个不同的地方跑数据：

1. MindSpore-CPU
2. MindSpore-GPU
3. 华为昇腾芯片

测试不同的芯片的速度和预测的精度

• 首先，控制台选择——北京四
  
• 接着选择开发环境——Notebook
  
• 创建mindspore的CPU和GPU芯片
  
• 由于CPU跑的速度实在是太慢了，而两者的精度应该差不多，所以这里为了节省时间，我们选用GPU来进行训练
  
• 这是我在经过多次尝试后得到的最优的结果
  
• 接着是在昇腾芯片上运行，首先需要创建一个昇腾芯片的项目，这里需要创建密钥
  
• 创建密钥对后，将密钥保存到我们的本地，要记住路径
  
• 创建好后，我们发现昇腾芯片无法通过Jupyter打开
  
• 这里我们需要点击这个项目，进入他的页面添加数据存储
  
• 点击新建并行文件系统，创建一个并行文件，存入我们的数据集和运行代码
  
• 我们将他挂载到本地，挂载成功，就可以打开cmd操作了
  
• 打开cmd后，进入我们之前保存的密钥的文件夹下，输入ssh -i + 密钥对.pem +地址，就可以进入我们的昇腾芯片了
  
  
• 接着就是将文件传入我的work目录，然后导入一些包，让代码能够运行

 cp -r /data/mnist ~/work/
 pip install protobuf (ModuleNotFoundError: No module named 'google' )
 pip install scipy
 pip install sympy
1
2
3
4

• 然后进入我们的work目录查看下面的文件，一直找到我们的手写数字数据集的压缩包，将他解压，最后运行代码
  
• 最后我们得到的结果如下：
  
• 最后我们的任务就完成了
  总的来说，对华为的ModelArts和MindSpore再一次进行了体验，总的来说，感觉还是不错的，Jupyter的界面很清爽，而GPU和昇腾的运算速度也非常的快，我们在进行模型训练和对神经网络进行调试的过程，也是一个不断尝试的过程，运行速度快无疑能够让我们在有限的时间进行更多次的测试，也更容易让我们找到最优的那个值。