这是你没见过的MindSpore 2.0.0 for Windows GPU版

摘要:一文带你看看MindSpore 2.0.0 for Windows GPU版。

本文分享自华为云社区《​​MindSpore 2.0.0 for Windows GPU泄漏版尝鲜​​》,作者:张辉 。

在看了MindSpore架构师王磊老师的帖子(  ​https://zhuanlan.zhihu.com/p/574507930​ )之后,本来张小白要源码编译MindSpore for Windows GPU版的,尽管已经安装了CUDA 11.1和配套的cuDNN 8.6.0 for CUDA 11.X( ​https://bbs.huaweicloud.com/blogs/381666​ 

这是你没见过的MindSpore 2.0.0 for Windows GPU版

嗟来之食张小白也可以吃的,毕竟饿了很久了,慌不择路饥不择食也是情有可原的。

于是,开干!

从上面的文件名 mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl 可以看出,这个whl包应该是用Python 3.7编译的。

首先打开Windows的命令行,查看下当前的Python版本:

这是你没见过的MindSpore 2.0.0 for Windows GPU版

正好对应了。所以如果文件名是 xxx_cp39_cp39m_xxxx.whl,张小白会怎么办?显然是要先准备一个Anaconda的Python 3.9环境再安装。这个思路不知道读者们Get到了没有。。

不过,这个时候必须要解决一下 安装了CUDA和cuDNN之后的一个小BUG(这其实是源码编译发现的问题,等张小白真的源码编译成功后再仔细解释这件事儿)

就是在 CUDA 11.1和配套的cuDNN 8.6.0 for CUDA 11.X安装手册( https://bbs.huaweicloud.com/blogs/381666 )中,简单的将cuDNN解压是不行的:

这是你没见过的MindSpore 2.0.0 for Windows GPU版

因为MindSpore会直接到$CUDNN_HOME的lib下找文件,而不是到lib/x64目录下找。

所以,自然需要将上图左边的文件拷贝到 $CUDNN_HOME的lib目录下。

好了,这个小插曲解决了之后,我们再来安装MindSpore 2.0.0 for Windows GPU版吧!

pip install mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl

这是你没见过的MindSpore 2.0.0 for Windows GPU版

这就装好了?!张小白有点不相信自己的眼睛(后来的事实表明,确实没那么简单)

再安装MindVision:

pip install mindvision

这是你没见过的MindSpore 2.0.0 for Windows GPU版

...

这是你没见过的MindSpore 2.0.0 for Windows GPU版

打开 ​https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/r1.8/tutorials/zh_cn/beginner/mindspore_quick_start.py​​​​​

下载 mindspore_quick_start.py

python mindspore_quick_start.py --device_target=GPU

这是你没见过的MindSpore 2.0.0 for Windows GPU版

奇怪,刚才不是装过了mindvision了吗?怎么还会报找不到mindvision的错?难道pip被装到了不该装的地方?

那只有一个办法:使用python -m pip install xxx这种安装法了。

python -m pip install mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl

这是你没见过的MindSpore 2.0.0 for Windows GPU版

python -m pip install mindvision

这是你没见过的MindSpore 2.0.0 for Windows GPU版

这是你没见过的MindSpore 2.0.0 for Windows GPU版

下载验证脚本:

打开 ​https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/r1.8/tutorials/zh_cn/beginner/mindspore_quick_start.py​​​​​

下载可以获得 mindspore_quick_start.py 文件。

这是你没见过的MindSpore 2.0.0 for Windows GPU版

GPU的第一次验证:

python mindspore_quick_start.py --device_target=GPU

这是你没见过的MindSpore 2.0.0 for Windows GPU版

好像有点卡:

不过居然走下去了:

这是你没见过的MindSpore 2.0.0 for Windows GPU版

从目录结构可以看出,它自动创建了lenet和mnist两个目录,然后下载了mnist数据集,然后开始例行的训练、评估、推理流程:

这是你没见过的MindSpore 2.0.0 for Windows GPU版

虽然10轮epoch都已经做完了,但是python代码迟迟没有退出:

这是你没见过的MindSpore 2.0.0 for Windows GPU版

恐怕真的有点什么问题。

张小白强行中断了当前脚本的执行。

先用以前在ubuntu的GPU环境中常用的test.py脚本试试:

编辑test.py

这是你没见过的MindSpore 2.0.0 for Windows GPU版

执行python test.py

这是你没见过的MindSpore 2.0.0 for Windows GPU版

奇怪,这倒是OK的。应该说明MindSpore GPU版应该是没问题的。

再来试试:

python mindspore_quick_start.py --device_target=GPU

这是你没见过的MindSpore 2.0.0 for Windows GPU版

这是你没见过的MindSpore 2.0.0 for Windows GPU版

这是你没见过的MindSpore 2.0.0 for Windows GPU版

关闭图形的小窗口后:

这是你没见过的MindSpore 2.0.0 for Windows GPU版

居然打印出来了训练的结果:预测:126133,实际126133。嗯,孺子可教也!

不过张小白总觉得GPU训练的时间有点慢,不如用CPU方式训练比较一下:

python mindspore_quick_start.py --device_target=CPU

这是你没见过的MindSpore 2.0.0 for Windows GPU版

这是你没见过的MindSpore 2.0.0 for Windows GPU版

这是你没见过的MindSpore 2.0.0 for Windows GPU版

CPU训练后居然会出现有个图片推理结果错误了。

但是这也许不重要。

我们看下训练的速度比较:

这是你没见过的MindSpore 2.0.0 for Windows GPU版

看来不能光靠感觉,得靠数字说话,虽然LeNet是个最简单的网络,但是张小白这台2019年的笔记本的GPU的训练速度还是比CPU略快的。

发表评论

相关文章