摘要：一文帶你看看MindSpore 2.0.0 for Windows GPU版，
本文分享自華為云社區《MindSpore 2.0.0 for Windows GPU泄漏版嘗鮮》，作者：張輝 ，
在看了MindSpore架構師王磊老師的帖子（ https://zhuanlan.zhihu.com/p/574507930 ）之后，本來張小白要原始碼編譯MindSpore for Windows GPU版的，盡管已經安裝了CUDA 11.1和配套的cuDNN 8.6.0 for CUDA 11.X（ https://bbs.huaweicloud.com/blogs/381666 ），但是由于各種意外，編譯的進度停滯了，然而，憑一點點小道訊息，張小白發現了別人編譯好的pip安裝包：
嗟來之食張小白也可以吃的，畢竟餓了很久了，慌不擇路饑不擇食也是情有可原的，
于是，開干！
從上面的檔案名 mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl 可以看出，這個whl包應該是用Python 3.7編譯的，
首先打開Windows的命令列，查看下當前的Python版本：
正好對應了，所以如果檔案名是 xxx_cp39_cp39m_xxxx.whl，張小白會怎么辦？顯然是要先準備一個Anaconda的Python 3.9環境再安裝，這個思路不知道讀者們Get到了沒有，，
不過，這個時候必須要解決一下 安裝了CUDA和cuDNN之后的一個小BUG（這其實是原始碼編譯發現的問題，等張小白真的原始碼編譯成功后再仔細解釋這件事兒）
就是在 CUDA 11.1和配套的cuDNN 8.6.0 for CUDA 11.X安裝手冊（ https://bbs.huaweicloud.com/blogs/381666 ）中，簡單的將cuDNN解壓是不行的：
因為MindSpore會直接到$CUDNN_HOME的lib下找檔案，而不是到lib/x64目錄下找，
所以，自然需要將上圖左邊的檔案拷貝到 $CUDNN_HOME的lib目錄下，
好了，這個小插曲解決了之后，我們再來安裝MindSpore 2.0.0 for Windows GPU版吧！
pip install mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl
這就裝好了？！張小白有點不相信自己的眼睛（后來的事實表明，確實沒那么簡單）
再安裝MindVision：
pip install mindvision
...
打開 https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/r1.8/tutorials/zh_cn/beginner/mindspore_quick_start.py
下載 mindspore_quick_start.py
python mindspore_quick_start.py --device_target=GPU
奇怪，剛才不是裝過了mindvision了嗎？怎么還會報找不到mindvision的錯？難道pip被裝到了不該裝的地方？
那只有一個辦法：使用python -m pip install xxx這種安裝法了，
python -m pip install mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl
python -m pip install mindvision
下載驗證腳本：
打開 https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/r1.8/tutorials/zh_cn/beginner/mindspore_quick_start.py
下載可以獲得 mindspore_quick_start.py 檔案，
GPU的第一次驗證：
python mindspore_quick_start.py --device_target=GPU
好像有點卡：
不過居然走下去了：
從目錄結構可以看出，它自動創建了lenet和mnist兩個目錄，然后下載了mnist資料集，然后開始例行的訓練、評估、推理流程：
雖然10輪epoch都已經做完了，但是python代碼遲遲沒有退出：
恐怕真的有點什么問題，
張小白強行中斷了當前腳本的執行，
先用以前在ubuntu的GPU環境中常用的test.py腳本試試：
編輯test.py
執行python test.py
奇怪，這倒是OK的，應該說明MindSpore GPU版應該是沒問題的，
再來試試：
python mindspore_quick_start.py --device_target=GPU
關閉圖形的小視窗后：
居然列印出來了訓練的結果：預測：126133，實際126133，嗯，孺子可教也！
不過張小白總覺得GPU訓練的時間有點慢，不如用CPU方式訓練比較一下：
python mindspore_quick_start.py --device_target=CPU
CPU訓練后居然會出現有個圖片推理結果錯誤了，
但是這也許不重要，
我們看下訓練的速度比較：
看來不能光靠感覺，得靠數字說話，雖然LeNet是個最簡單的網路，但是張小白這臺2019年的筆記本的GPU的訓練速度還是比CPU略快的，
點擊關注，第一時間了解華為云新鮮技術~
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/525951.html
標籤：其他