摘要： 本文介绍了如何在 Ubuntu 18.04 上装置 CPU 版本的 MindSpore V1.0。并应用装置好的 MindSpore 进行了 LeNet 的模型训练。
Part One：引言
在 HC2020 大会中，张小白就走漏出了想试玩 MindSpore V1.0 的欲望。MindSpore 是华为开发的一款深度学习的开源框架，明天这个欲望就要实现了。。。
先来剖析下该怎么玩转。。。让咱们看下 https://www.mindspore.cn/install 官网的介绍文档：
体验 MindSpore V1.0 的形式有 N 种
官网文档也很不错，给大家提供了抉择，而后别离通知你该怎么玩。。。
首先，硬件平台为 Ascend910 的，个别人就别选了。这是须要买华为的昇腾服务器的人才能玩的。而且，张小白的 Atlas 200DK 都玩不了。。因为那只是 Ascend 310 芯片。。不过，倒是能够在 ModelArts 上抉择这个环境。然而，ModelArts 下面，这些环境都内置好了，其实用户也体验不到装置和折腾的快感了。（咱们的座右铭是——我折腾、我高兴）。
其次，硬件平台为 GPU CUDA 的，有好显卡的人能够上。什么叫做好显卡。举个例子吧。最近行将进去的 GeForce RTX 3080 显卡，
或者比它更高端的 3090 显卡：
用这些卡去做 AI 训练，跑 MindSpore，可能没啥问题。。。否则，你可能会感觉慢。。。当然，张小白也没有这些好显卡。。。所以，退而求其次，只能抉择 CPU 的形式了。。。
选中了 CPU 之后，你能够抉择的操作系统就不多了。。。蕴含：
（1）ubuntu aarch64，这个是 ARM 芯片的 ubuntu 零碎，典型的就是鲲鹏相干服务器。。。当然，200DK 的运行零碎也是这个零碎。张小白有没有鲲鹏台式机或者笔记本，显然没有。当然，心愿华为或者光荣连忙推出这一型号的笔记本。。倒是能够让用户尝试一下。。。
（2）ubuntu x86，这个是 x86 芯片的 ubuntu 零碎。这个范畴可就大了去了。要么，你能够间接在台式机或笔记本上装置原生的 ubuntu 零碎（搞什么双启动之类的），也能够应用虚拟化软件装置 ubuntu 虚拟机。这个就作为笔者这篇文章的操作系统吧。
（3）windows x64，这个很简略，就是 x86 芯片（然而须要 64 位的，其实后面也都是 64 位的。。）的 windows 零碎。比方 windows10 之类的。这个用台式机或者笔记本都能够试。windows 的益处是，不仅仅能够抉择 cpu 模式，如果你有个好的显卡，还能够抉择 gpu 模式。不过显然张小白不是土豪。其实 windows 这块的体验曾经有大大们试过了。这里临时不提。
咱们看上面：Python 版本必须是 3.7.5，这个没有方法抉择。
装置形式有 Pip 和 Source 这两种。 显然，Pip 的装置形式应该比拟快，Source 即源码装置，这个办法，其实张小白还在折腾中，也不晓得是否能折腾出后果。。。
那么，咱们就用下面的这一条线：版本 1.0.0+ 硬件 CPU+ 操作系统 Ubuntu-X86+Python3.7.5+ 装置形式 pip 当作本次 MindSpore V1.0 的装置形式吧。。
后面的链接下介绍了零碎装置的环境要求:
其中 requirements.txt 内容如下:
numpy >= 1.17.0, <= 1.17.5
protobuf >= 3.8.0
asttokens >= 1.1.13
pillow >= 6.2.0
scipy >= 1.3.3
easydict >= 1.9
sympy >= 1.4
cffi >= 1.13.2
wheel >= 0.32.0
decorator >= 4.4.0
setuptools >= 40.8.0
matplotlib >= 3.1.3 # for ut test
opencv-python >= 4.1.2.30 # for ut test
sklearn >= 0.0 # for st test
pandas >= 1.0.2 # for ut test
bs4
astunparse
packaging >= 20.0Part Two：装置 Ubuntu 18.04 虚拟机
先到 http://old-releases.ubuntu.co… 18.04 的镜像。。
找到并下载 http://old-releases.ubuntu.co…
应用 VMWare 装置，抉择“繁难装置”，一路走上来（把内存改为 4G），顺利完成。
应用 ascend 用户登录：（当初装置时抉择的用户名）
进入零碎，记得不帮忙 Ubuntu 就对了。。
也不要降级：
替换国内阿里源：
sudo cp /etc/apt/sources.list /etc/apt/source.list.bk
vi /etc/apt/sources.list
正文现有所有的 deb
贴入以下内容：
# 阿里源
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse保留退出。
sudo apt update
sudo apt-get update
sudo apt-get install aptitude
Part Three：装置 Python3.7.5
在 python 官网曾经找不到 3.7.5 了，所以预计只能抉择源码装置了。。。
好在在华为云的镜像站有 https://mirrors.huaweicloud.c…
复制地址，关上新的 teminal，下载吧。。。
wget https://mirrors.huaweicloud.c…
解压：
xz -d Python-3.7.5.tar.xz
tar xvf Python-3.7.5.tar
。。。
python 装置源码包搞定。
为了编译源码，咱们做一些筹备工作，比方装置 gcc 和 g ++：
sudo aptitude install gcc
急躁的期待完结：
sudo apt install gcc
sudo apt-get install g++
编译器搞定，接着装 python 的依赖包：
sudo apt-get install -y build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev xz-utils tk-dev libffi-dev liblzma-dev
。。。
正式编译装置 Python-3.7.5
切换 Python-3.7.5 目录
sudo ./configure –enable-optimizations –prefix=/usr/python3
指定装置后的 python 放到 /usr/python3 目录下。
。。。
sudo make
急躁期待。。。
有 400 多个 test 要做。。
持续急躁期待。。。
而后部署。。
sudo make install
切换到装置目录，查看版本：
在 /etc/profile 退出 /usr/python3/bin 的 PATH，并执行，这样能够在任何中央都能够优先执行 python 3.7.5
好了，Python 3.7.5 源码编译实现。
Part Four：PIP 装置 MindSpore
终于能够激冻人心的进入到 MindSpore 的装置过程了。
为了确保是在 3.7.5 环境的 pip 下装置，
执行 python3 -m pip install https://ms-release.obs.cn-nor…
当然了。。出点问题也算失常的。。
如同是装 decorator 时遇到了权限问题。
那咱们换成 root 用户装吧。。。
python3 -m pip install https://ms-release.obs.cn-nor…
很快就秒装结束，也没任何出错：
而后进入 python 验证下装置后果：
PIP 装置 MindSpore 的过程真的很简略。
Part Five：应用 Mindspore 进行 LENET 训练
首先到 mindspore gitee 官网下载 lenet 的相干示例代码：
https://gitee.com/mindspore/m…
而后关上 http://yann.lecun.com/exdb/mn…：
将链接中这四个文件下载到本地，并放入后面下载好的 lenet 下新建的 MNIST_DATA 目录下。
并且，用 winrar 解压，别离将 train 结尾的文件和 t10k 结尾的文件放入 train 和 test 目录下。
而后，把这些代码打包成 lenet.zip，应用 scp 工具（如 Xftp 6）, 传输到 ubuntu 18.04 中：
而后执行 unzip lenet.zip 解压。
就能够在 ubuntu 下看到这些文件了。
当然，这些过程也能够间接在 ubuntu 中做。。比方应用 wget 间接下载训练集文件等等。
接着，为了保险起见，临时先用 root 执行吧。。（怕 ascend 用户执行又有什么权限问题。。。）
cd /home/ascend/lenet/
vi train.py
将 device_target 的 default 改为 CPU。将 data_path 设成 MNIST_DATA 目录。其余临时放弃不变：
而后开始跑训练吧。。。
python3 train.py
一会儿就跑完了。。。
并且在 ckpt 下会生成一些文件。。。
回到下层目录，执行：
python3 eval.py –ckpt_path=./ckpt/checkpoint_lenet-10_1875.ckpt
执行验证胜利，模型的精度为 98.7580%。。。
阐明应用 mindspore 在跑 lenet 这些例程还是比较顺利的。
参考资料：
（1）[干货分享] Mindspore 1.0 初体验 https://bbs.huaweicloud.com/f… @JeffDing
（2）[干货分享] 体验 MindSpore v1.0（一）——装置篇 https://bbs.huaweicloud.com/f…
点击关注，第一工夫理解华为云陈腐技术~