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/mindsporegit 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transformsimport mindspore.dataset.transforms.vision.c_transforms as CV# line 22新增层级transformsfrom 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=falsenet_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/lenetmkdir Datamkdir 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.gzgunzip train-labels-idx1-ubyte.gzgunzip t10k-images-idx3-ubyte.gzgunzip 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 ./trainmv train-labels-idx1-ubyte ./trainmv 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/lenetpython 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/lenetpython 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gitgit 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...
)**