Window10 上MindSpore(CPU)用LeNet网络训练MNIST

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

【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’

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

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 Inter12

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’

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)123

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!

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

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

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.

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：

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

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.

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)1

再度执行命令 python train.py --device_target=CPU --dataset_sink_mode=False ， 训练成功；

【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} ==============12

训练了10个epoch，准确率为98.45%，还可以；