【轉(zhuǎn)自凱恩博學(xué)習(xí)筆記】 侵刪 原文鏈接：凱恩博的深度學(xué)習(xí)筆記
MindSpore可以做模型的自動切分這一點讓人印象深刻。當(dāng)然，還有很多特點，比如自動微分、支持動態(tài)圖+靜態(tài)圖，等等。如果希望了解更多，請看MindSpore官網(wǎng)：https://www.mindspore.cn/
三月底，在HDC大會時，華為正式開源了MindSpore的源碼和相應(yīng)的文檔。因而有機(jī)會實際拿來運行看看，本文將介紹如何在Windows平臺安裝和搭建MindSpore，同時訓(xùn)練一個小的網(wǎng)絡(luò)（LeNet）。
截至今天，MindSpore官網(wǎng)建議的安裝操作系統(tǒng)為EulerOS和Ubuntu，并不包括Windows。但仔細(xì)看了下文檔，發(fā)現(xiàn)實際上MindSpore是支持Windows平臺的，只不過只能以CPU的模式運行（暫時不支持Windows平臺的GPU）。如果希望嘗試MindSpore對GPU的支持，需要使用Ubuntu系列或者華為的EulerOS（這也不是本文的重點）。
下面進(jìn)入安裝的正題。
非常推薦使用Anaconda作為Python虛擬環(huán)境的管理。
你可以去Anaconda官網(wǎng)下載（https://www.anaconda.com），一路Next即可。如果遇到問題，可適當(dāng)參考這里（https://zhuanlan.zhihu.com/p/58607298）。
由于Anaconda的安裝過程簡單直觀，這里不詳述了。
目前MindSpore僅僅支持Python 3.7.5，下面創(chuàng)建的pyhton env就叫做mindspore：
conda create -n mindspore python=3.7.5下載MindSpore的whl文件，下載地址：點擊這里，目前只有一個0.1.0的版本
mindspore-0.1.0-cp37-cp37m-win_amd64.whl
在mindspore這個python env里執(zhí)行：
conda activate mindspore # 此時你應(yīng)該在mindspore-0.1.0-cp37-cp37m-win_amd64.whl這個文件的目錄里pip install mindspore-0.1.0-cp37-cp37m-win_amd64.whl注意，這里很多同學(xué)反應(yīng)安裝過程很慢，甚至有失敗的情況，基本都是網(wǎng)絡(luò)惹得禍。因為安裝上面的whl文件時會按照一些依賴的libraries，如果你的pip是默認(rèn)源的話，在國內(nèi)的網(wǎng)絡(luò)下載時可能遇到問題的。一個解決辦法是重試，另一個辦法是把pip源切換為國內(nèi)的源，比如清華源。具體方法見這里：
https://mirror.tuna.tsinghua.edu.cn/help/pypi/
一個臨時的辦法可以是：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple mindspore-0.1.0-cp37-cp37m-win_amd64.whlpython>>> import mindspore as ms>>> print(ms.__version__)# 如果成功，上面應(yīng)該打印 0.1.0華為官方已經(jīng)在其MindSpore Doc這個Repo里內(nèi)置了一些examples，比如LeNet。
直接Fork吧：
git clone https://github.com/mindspore-ai/docs.git如果你和我一樣懶，僅僅下載lenet.py也可以，路徑如下：
https://github.com/mindspore-ai/docs/blob/master/tutorials/tutorial_code/lenet.py
因為這個代碼里默認(rèn)使用的訓(xùn)練設(shè)備為Ascend，所以需要手動設(shè)置一下--device_target為CPU：
python lenet.py --device_target CPUMindSpore用LeNet訓(xùn)練MNIST，大約十幾秒就可以跑完一個Epoch了：
******Downloading the MNIST dataset******============== Starting Training ==============epoch: 1 step: 1, loss is 2.3008137epoch: 1 step: 2, loss is 2.299688epoch: 1 step: 3, loss is 2.309444epoch: 1 step: 4, loss is 2.3006275epoch: 1 step: 5, loss is 2.3028035epoch: 1 step: 6, loss is 2.302422epoch: 1 step: 7, loss is 2.3067183epoch: 1 step: 8, loss is 2.3057096epoch: 1 step: 9, loss is 2.3042586epoch: 1 step: 10, loss is 2.303799.........epoch: 1 step: 1870, loss is 0.15847126epoch: 1 step: 1871, loss is 0.12955114epoch: 1 step: 1872, loss is 0.15605931epoch: 1 step: 1873, loss is 0.28985676epoch: 1 step: 1874, loss is 0.14183074epoch: 1 step: 1875, loss is 0.05726877============== Starting Testing ============================ Accuracy:{'Accuracy': 0.9625400641025641} ==============看看Accuracy，已經(jīng)到96.25%，還可以~
我們觀察一下這個目錄，會看到同時還保存了模型文件(.ckpt和.meta）還有train、val時的pb文件，具體待后面再講。
04/25/2020 12:21 PM 494,155 checkpoint_lenet-1_1875.ckpt04/25/2020 12:20 PM 15,033 checkpoint_lenet-graph.meta04/25/2020 02:36 PM 4,831 ms_output_0eval.pb04/25/2020 02:36 PM 15,878 ms_output_0train.pb也許在上面你會遇到MNIST數(shù)據(jù)集下載的問題。
以我自己為例，在電信的寬帶下載MNIST幾乎是龜速，實在沒法忍，想起此前在其他Repo下載過這個數(shù)據(jù)集的幾個gz文件。于是copy進(jìn)lenet.py里定義的路徑：
train_path = "./MNIST_Data/train/"test_path = "./MNIST_Data/test/"需要注意的是需要分別copy train-*到./MNIST_Data/train， t10k-*到./MNIST_Data/test
如果你之前沒下載過，你可以直接在這里下載下面這個link的MNIST_DATA的壓縮包，解壓到lenet.py的同級目錄即可：
https://link.zhihu.com/?target=https%3A//gitee.com/loveunk/mindspore/blob/master/example/_lenet_demo/MNIST_Data.zip
1. Windows系統(tǒng)安裝MindSpore - MindSpore master documentation
https://www.mindspore.cn/tutorial/zh-CN/master/advanced_use/mindspore_cpu_win_install.html
【轉(zhuǎn)】內(nèi)容轉(zhuǎn)載，侵刪 原文鏈接 凱恩博的深度學(xué)習(xí)筆記
孢子修改器是一款針對孢子游戲開發(fā)的游戲修改工具，針對游戲中的不同時代都有著不同熱鍵，在細(xì)胞、生物、部落時代有著進(jìn)化和退化等功能，針對不同時代有不同的功能，比如在文明時代有著對建筑的修改功能，而對于太空時代則飛船無敵，提升星球大氣等眾多豐富實用的功能，玩家朋友可以參考當(dāng)前時代使用對應(yīng)熱鍵即可！
孢子修改器使用說明：
1.下載孢子修改器
2.啟動孢子游戲
3.啟動孢子修改器
孢子修改器操作步驟：
1.關(guān)閉Windows安全中心
2.運行孢子游戲
3.孢子游戲運行后點擊啟動按鈕
4.啟用成功后功能生效
5.可使用熱鍵控制功能開關(guān)