共计 3841 个字符，预计需要花费 10 分钟才能阅读完成。
摘要：一个 Cope 攻城狮用切身实例通知你：Cope 代码体验一时爽，BUG 批改花半天。
前言：此文为 r0.7-beta 的操作实际，为什么我的眼里常含泪水，因为我对踩坑这件事爱得深厚。谨以此文献给和我一样踩坑的小伙伴，留念踩坑时刻。
↑开局一张图，故事全靠编。
有时候经常问本人：我一个前端开发，没有 python 根底，竟然敢尝试应用深度学习框架？谁给的勇气，是梁静茹吗？有时候也经常暗示本人“技多不压身”，活得像周树人笔下的阿 Q 一样洒脱，不过事实就像 – 我是钻井工，钻了一个又一个的井，因为没有保持，一次又一次地和宝藏擦肩而过最终空手而归；有时候也经常告慰本人：“Just DO IT”，IT 这么吃香，不干 IT 还无能啥？不就是换个地儿搬砖吗？定个小指标，先跑通 MindSpore 的 LeNet 模型！
装置
优良的全场景深度学习框架开源我的项目，应该提供 Docker 装置镜像；先康康我的运行环境：
- Ubuntu 18.04.5 LTS
- Docker version 18.09.6
这次装置的是 CPU 版本的，命令：
docker pull mindspore/mindspore-cpu:0.7.0-betadocker run -it mindspore/mindspore-cpu:0.7.0-beta /bin/bash
一步到“胃”，间接进入到 home 目录，接下来 Copy 攻城狮要开始表演粗劣的 Copy*，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 官网仓库，一键领有深度学习框架。当然 Fork 之后，咱们要将代码 clone 到本地，因为我的码云账号叫 hu-qi, 所以我要 clone 的门路是 https://gitee.com/hu-qi/minds…。
git clone https://gitee.com/hu-qi/mindspore因为码云是咱本人的，速度倍儿棒，稍等片刻，美味行将出现。
翻车现场
ModuleNotFoundError: No module named ‘mindspore.dataset.vision’.
习惯了瞎折腾，认为间接运行 train.py 就能一分钟跑通，还是“too young,too simple”。一波谬误的示范, 而后就是图中微小的坑：
幸好前人曾经踩过坑了：Windows 零碎下跑通华为 MindSpore 的 Lenet 网络, 只管是 Windows 零碎的，看上去仿佛是雷同的问题。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
为了印象更加粗浅，我决定将分支命名为 9 -12，以此留念 ”9·12 踩坑事件 ”。
cd /home/mindspore
git checkout -b 9-12
而后参照前人的经验教训开始批改本地文件。
批改文件
本次批改的是两个文件 –lenet/train.py 和 lenet/src/dataset.py。
- lenet/src/dataset.py
# ……
# 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
# ……
# 正文 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, 后果又是一个谬误：ValueError: The folder ./Data/train does not exist or permission denied!。
一开始认为是权限的问题，通过一些尝试，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。
cd /home/mindspore/model_zoo/official/cv/lenet
mkdir Data
mkdir Data/test && mkdir Data/train而后仍旧满怀信心敲下执行训练的命令：python train.py –device_target=CPU –dataset_sink_mode=False
后果又是一个坑：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主动下载 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/mn…
数据目录构造：
└─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！
# 切换到 Data 目录
cd Data
# 下载训练图片
wget
# 下载训练标签
wget
#下载测试图片
wget
# 下载测试标签
wget http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz
而后又是一波解压操作, 来四个 gunzip：
gunzip train-images-idx3-ubyte.gz
gunzip train-labels-idx1-ubyte.gz
gunzip t10k-images-idx3-ubyte.gz
gunzip t10k-labels-idx1-ubyte.gz
最初，再来一波挪动文件操作压压惊。来四个 mv:
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，感触到不懂代码真吃亏，明明几行代码就解决了，我要这么多套“切克闹”能力获取到数据集，我肯定向明明学习，争取早日解脱 Copy 攻城狮 的名称，实现 代码自在 ，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，这回我总能欢快的训练了吧？
cd /home/mindspore/model_zoo/official/cv/lenet
python train.py --device_target=CPU --dataset_sink_mode=False
而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？你丫一前端下班在跑模型，不想干了吗？今天去财务领钱……”还好隔壁王哥及时解围 –“他这是在深度学习，当前不会再把 1 像素切成 2 像素了”
接下还须要验证一下：
cd /home/mindspore/model_zoo/official/cv/lenet
python eval.py --ckpt_path="ckpt/checkpoint_lenet-10_1875.ckpt" --device_target=CPU运行后果：
============== Starting Testing ==============
============== {'Accuracy': 0.9847756410256411} ==============
勉强能承受吧，毕竟只整了 10 个 epoch。
上传到近程仓库
只管咱们曾经跑通了 MindSpore 的 LeNet，不过我还是心愿能把踩的这些坑记录下来，最初再应用一下 git 技能：
# 切换到本地仓库目录
cd /home/mindspore
# 设置 git
git config --global user.email "huqi1008301@163.com"
git config --global user.name "hu-qi"
# 查看本地分支，确保我的 9 -12 还在
git branch
# 查看有哪些扭转
git status
# 新增扭转
git add .
# 提交扭转到缓存仓库
git commit -m 'finish LeNet'
# 推送分支到近程（依照提醒登录）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，大略花了一个小时踩坑了，而后大略花了三个小时来记录。不足之处，期待各位大佬多多指教！
**[点击关注，第一工夫理解华为云陈腐技术~](https://bbs.huaweicloud.com/b…
)**