【MindSpore易点通】在云上使用MindSpore：云上训练和提交PR

在云上使用MindSpore

1、沙箱实验

打开

沙箱

链接，即可开始体验。

今天咱来得早，名额较为充足。打开实验桌面。

我们看到实验桌面有MNIST数据集和实验脚本。

创建桶参数如下：

①复制桶配置：不选

②区域：华北-北京四；

③桶名称：ms-lenet-train-0501；

④数据冗余存储策略：多AZ存储

⑤存储类别：标准存储；

⑥桶策略：私有；

⑦默认加密：关闭；

⑧归档数据直读：关闭；其他参数默认（OBS桶名称需全局唯一，若出现以下提醒，自定义其他桶名称即可。需要记住此步骤中创建的桶名称，以便后续使用。）

在创建的桶新建一个文件夹

上传test和train

修改lenet.py如下，将通道数改为1，然后保存退出

修改dataset.py如下

然后，将脚本上传，就可以开始实验了，此处不再赘述。

2、Ascend910训练和Ascend310推理

步骤1：准备训练数据

单击

样例数据集

链接，跳转至“AI Gallery > 数据 > 四类花卉图像分类小数据集”页面。
单击

“下载”

跳转至下载页面详情页。
在下载详情页，填写参数。
- 下载方式：选择“对象存储OBS服务”
- 目标区域：选择“华北-北京四”
- 目标位置：请选择一个空的OBS目录

步骤2：订阅算法

目前**“ResNet50”**算法发布在AI Gallery中。您可以前往AI Gallery，订阅此模型，然后同步至ModelArts中。

在这里

图像分类

订阅算法，
前往控制台，选择北京四

步骤3：使用订阅算法创建训练作业（Ascend 910）

但是，这个算法居然没有任何的发布版本，

在5月1日订阅的根本创建不了训练任务。。。

官网的文档又欺骗了我。还好，爷有预备的算法：

图像分类-ResNet_v1_50

在新版训练作业环境下创建训练作业，参数如下

“算法>我的订阅”

：
“数据来源”

：选择刚刚的数据集

选择一个GPU

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oDvEFUuV-1651397769826)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011633441.png)]

训练完成

步骤4：模型转换

使用订阅算法训练所得的模型，需通过转换功能，转成适用于Ascend芯片的格式，即“om”格式。

在ModelArts管理控制台，选择**“AI应用管理 > 模型转换”**。
在模型转换作业列表页面，单击“创建任务”。在创建转换任务页面中，参考如下说明填写关键参数。

本次使用的算法为ResNet_v1_50算法（图像分类/TensorFlow/Ascend910训练），模型转换任务与ResNet50算法不一样的参数如下所示。

“输入框架”

：选择“TensorFlow”。

“转换输入目录”

：请选择训练作业输出路径下的“<输出路径>frozen_gragh”目录。

“输出框架”

：选择“MindSpore”。

“转换输出目录”

：请选择训练作业输出路径下的“<输出路径>/om/model”目录。

“转换模板”

：使用**“TF-FrozenGraph-To-Ascend-C32”**模板进行模型转换。

“输入张量形状”

：“images:1,224,224,3”

“输入数据格式”

：“NHWC”

“转换输出节点”

：“logits:0”

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LTxBDnJm-1651397769832)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011659704.png)]

万岁，成功啦
_乌拉

步骤5：创建AI应用

模型转换为om格式后，可采用“从模板中选择”的方式，创建AI应用。

在ModelArts管理控制台，选择**“A应用管理 > AI应用 > 我的AI应用”**。
配置如上

步骤6：部署为在线服务（Ascend 310）

AI应用创建成功后，可将此服务部署为在线服务，在部署时可使用Ascend 310芯片资源。

在“AI应用管理 >AI应用 >我的AI应用”列表中，单击AI应用名称进入详情页，单击右上角的“部署 > 在线服务”

>在线服务”**页面单击“创建”，进入部署页面。
在“部署”页面，参考如下说明填写关键参数。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Au4rNRWf-1651397769835)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011722937.png)]
在线服务部署完成后，您可以单击服务名称进入服务详情页。
- 访问服务
  
  ：了解调用指南，获取API接口地址，可通过postman或使用curl命令发送请求，
  
  访问在线服务
  
  。
- 预测
  
  ：单击“预测”页签，上传一个测试图片，进行预测。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Xqhj647K-1651397769835)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011725321.png)]

上传了一张webp，发现失败了。

看来不能识别呢。

上传了jpg就可以了。（第二个结果有点离谱；但这个不能怪我们的模型，要怪只能说我们的美女长的太像玫瑰了呢）

步骤7：清除资源

如果不再需要使用此模型及在线服务，建议清除相关资源，避免产生不必要的费用。

在“在线服务”页面，“停止”或“删除”刚创建的在线服务。
在“AI应用”页面，“删除”刚创建的AI应用。
在“训练作业New”页面，“删除”运行结束的训练作业。
进入OBS，删除本示例使用的OBS桶及文件夹，以及文件夹的文件。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3fybIWUA-1651397769837)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011730021.png)]

把我们可爱的在线服务停止吧。

3、如何参与社区建设？

最重要的就是提交PR啦。那怎样提交PR呢？

新建一个远程主仓

创建一个文件，并用qmckw账号fork到qmckw下

clone到本地

我们现在想修改一下这个hello.py

git log # 查看目前的commit

git status#查看状态，我们已经修改了hello.py

git remote -v # 查看远程仓是否配置了主仓

远程仓库并未配置主仓

git remote add upstream https://gitee.com/csckw/remote-main-warehouse.git

git add .
git commit -m "first"

这个时候，倘若我们又要修改这个py文件。

这个时候，我们可以看到有两个commit，需要合并为一个。

使用如下的命令。

git rebase -i HEAD~2

将第二行的pick改为小写字母s

保存退出后，进入如下界面，不用修改，直接i-esc-:q即可

这个时候执行
git log
，就可以看到我们的commit已经合并为1个了。

如果我们觉得可以在修改，比如下面我们再次修改了py文件。

这个时候，用如下的命令，可以直接修改这个commit，而不用合并。

git add .
git commit --amend

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PcYgB5tv-1651397769839)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011733142.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jaTqamEs-1651397769840)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011733562.png)]

这个时候，代码已经上传到我们的远程主仓了。现在到我们自己的远程主仓界面，提交PR

这个时候，在csckw也就是仓库拥有者的文件下提交审核。