Window10 上MindSpore(CPU)用LeNet网络
本文是在windows10上安装了CPU版本的Mindspore,并在mindspore的master分支基础上使用LeNet网络训练MNIST数据集，实践已训练成功，此文为记录过程中的出现问题；
（据说此时mindspore的r0.7版本上是直接执行成功的）
- Windows10
- Miniconda 4.8.3
- Python 3.7.7
- MindSpore master mindspore的gitee地址
【1】首先使用conda activate mindspore 进入mindspore虚拟环境
【2】再切入mindspore中lenet网络的train.py所在目录 D:\gitee\mindspore\model_zoo\official\cv\lenet
mindspore的lenet网络训练文件所在位置
【3】执行训练 python train.py --device-target=CPU （因为代码里默认使用的训练设备为Ascend，需要手动设置 --device_target为CPU）
- 问题一 No module named 'mindspore.dataset.vision’
No module named mindspore.dataset.vision
报错：文件 D:\gitee\mindspore\model_zoo\official\cv\lenet\src\dataset.py 引入模块import mindspore.dataset.version.c_transforms as CV 错误;
原因：查看发现系统 miniconda3的mindspore环境中 在\dataset 和 \version文件夹中还有一层 \transforms
dataset和version中还有一层transform层
解决：修改dataset.py 文件中模块引用的位置；
import mindspore.dataset.transforms.vision.c_transforms as CV
from mindspore.dataset.transforms.vision import Inter
保存文件重新执行命令 python train.py --device-target=CPU
- 问题二 ImportError: cannot import name ‘set_seed’ from 'mindspore.common’
bug4.png
报错：文件train.py中导入set_seed模块出错
原因： C:\Users\86183\miniconda3\envs\mindspore\Lib\site-packages\mindspore\common\__init__.py 文件中没有set_seed模块（也即common文件下没有set_seed.py文件）
解决：在train.py 中将以下两条语句注释掉
from mindspore.common import set_seed
set_seed(1)
保存文件重新执行命令 python train.py --device-target=CPU
- 问题三 ValueError: The folder ./Data\train does not exist or permission denied!
ValueError: The folder ./Data\train does not exist or permission denied!
原因：/Data/train 文件不存在
解决：在D:\gitee\mindspore\model_zoo\official\cv\lenet\ 下新建Data目录，并在Data目录下新建train和test文件夹
新建data\train
重新执行命令 python train.py --device-target=CPU
- 问题四 RuntimeError: Currently dateset sink mode is not supported when the device target is CPU
RuntimeError: Currently dateset sink mode is not supported when the device target is CPU
原因：数据下沉模式是针对asic芯片做的优化 默认是开启的，CPU不支持这种模式
解决：改为执行命令 python train.py --device_target=CPU --dataset_sink_mode=False
- 问题五： Unexpected error. There is no valid data matching the dataset API MnistDataset.Please check file path or dataset API validation first.
Unexpected error. There is no valid data matching the dataset API MnistDataset.Please check file path or dataset API validation first.
原因：脚本没有自动下载MNIST数据集，需要自己手动下载
解决：手动下载MNIST数据集MNIST数据集下载地址
MNIST数据目录结构：
MNIST数据目录结构
将t10k-labels-idx1-ubyte.gz 和t10k-images-idx3-ubyte.gz 解压到 问题三新建的Data/test 目录下
将train-labels-idx1-ubyte.gz 和train-images-idx3-ubyte.gz 解压到 问题三新建的Data/test 目录下
data/train
data/test
重新执行python train.py --device_target=CPU --dataset_sink_mode=False
- 问题六 InferImplBiasAddGrad] BiasAddGrad input y backprop, dim should >= 2, while 1.
InferImplBiasAddGrad BiasAddGrad input y backprop, dim should 2, while 1.
解决：在train.py中添加语句 is_grad=False, 变成下面这样
net_loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction="mean",is_grad=False)
再度执行命令 python train.py --device_target=CPU --dataset_sink_mode=False ， 训练成功；
训练10个epoch
【4】验证准确率： python eval.py --ckpt_path="ckpt/checkpoint_lenet-10_1875.ckpt" --device_target=CPU
============== Starting Testing ==============
============== {'Accuracy': 0.9844751602564102} ==============
训练10个epoch的准确性为98.45%，还是可以的；
验证.png
