Part One：引言

在HC2020大会中，张小白就透露出了想试玩MindSpore V1.0的愿望。今天这个愿望就要实现了。。。

先来分析下该怎么玩转。。。让我们看下 https://www.mindspore.cn/install 官网的介绍文档：

体验MindSpore V1.0 的方式有N种：

官方文档也很不错，给大家提供了选择，然后分别告诉你该怎么玩。。。

首先，硬件平台为Ascend910的，一般人就别选了。这是需要买华为的昇腾服务器的人才能玩的。而且，张小白的Atlas 200DK都玩不了。。因为那只是Ascend 310芯片。。不过，倒是可以在ModelArts上选择这个环境。但是，ModelArts上面，这些环境都内置好了，其实用户也体验不到安装和折腾的快感了。（我们的座右铭是——我折腾、我快乐）。

其次，硬件平台为GPU CUDA的，有好显卡的人可以上。什么叫做好显卡。举个例子吧。最近即将出来的 GeForce RTX 3080显卡。。

或者 比它更高端的 3090显卡：

用这些卡去做AI训练，跑MindSpore，可能没啥问题。。。否则，你可能会觉得慢。。。当然，张小白也没有这些好显卡。。。所以，退而求其次，只能选择CPU的方式了。。。

选中了CPU之后，你可以选择的操作系统就不多了。。。包含：

（1）ubuntu aarch64，这个是ARM芯片的ubuntu系统，典型的就是鲲鹏相关服务器。。。当然，200DK的运行系统也是这个系统。张小白有没有鲲鹏台式机或者笔记本，显然没有。当然，希望华为或者荣耀赶紧推出这一型号的笔记本。。倒是可以让用户尝试一下。。。

（2）ubuntu x86，这个是x86芯片的ubuntu系统。这个范围可就大了去了。要么，你可以直接在台式机或笔记本上安装原生的ubuntu系统（搞什么双启动之类的），也可以使用虚拟化软件安装ubuntu虚拟机。这个就作为笔者这篇文章的操作系统吧。

（3）windows x64，这个很简单，就是x86芯片（但是需要64位的，其实前面也都是64位的。。）的windows系统。比如windows10之类的。这个用台式机或者笔记本都可以试。windows的好处是，不仅仅可以选择cpu模式，如果你有个好的显卡，还可以选择gpu模式。不过显然张小白不是土豪。其实windows这块的体验已经有大大们试过了。这里暂时不提。

我们看下面：Python版本必须是3.7.5，这个没有办法选择。

安装方式有Pip和Source这两种。显然，Pip的安装方式应该比较快，Source即源码安装，这个方法，其实张小白还在折腾中，也不知道是否能折腾出结果。。。

那么，我们就用上面的这一条线：版本1.0.0+硬件CPU+操作系统Ubuntu-X86+Python3.7.5+安装方式pip当作本次MindSpore V1.0的安装方式吧。。

前面的链接下介绍了系统安装的环境要求:

其中requirements.txt内容如下:

numpy >= 1.17.0, <= 1.17.5
protobuf >= 3.8.0
asttokens >= 1.1.13
pillow >= 6.2.0
scipy >= 1.3.3
easydict >= 1.9
sympy >= 1.4
cffi >= 1.13.2
wheel >= 0.32.0
decorator >= 4.4.0
setuptools >= 40.8.0
matplotlib >= 3.1.3         # for ut test
opencv-python >= 4.1.2.30   # for ut test
sklearn >= 0.0              # for st test
pandas >= 1.0.2             # for ut test
bs4
astunparse
packaging >= 20.0

Part Two：安装Ubuntu 18.04虚拟机

先到 http://old-releases.ubuntu.com/releases/bionic/ 下载 18.04的镜像。。

找到并下载 http://old-releases.ubuntu.com/releases/bionic/ubuntu-18.04.1-desktop-amd64.iso

使用VMWare安装，选择“简易安装”，一路走下去（把内存改为4G），顺利完成。

使用ascend用户登录：（当初安装时选择的用户名）

进入系统，记得不帮助Ubuntu就对了。。

也不要升级：

替换国内阿里源：

sudo cp /etc/apt/sources.list /etc/apt/source.list.bk

vi /etc/apt/sources.list

注释现有所有的deb

贴入以下内容：

# 阿里源
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

保存退出。

sudo apt update

sudo apt-get update

sudo apt-get install aptitude

Part Three：安装Python3.7.5

在python官网已经找不到 3.7.5了，所以估计只能选择源码安装了。。。

好在在华为云的镜像站有  https://mirrors.huaweicloud.com/python/

复制地址，打开新的teminal，下载吧。。。

wget https://mirrors.huaweicloud.com/python/3.7.5/Python-3.7.5.tar.xz

解压：

xz -d Python-3.7.5.tar.xz

tar xvf Python-3.7.5.tar

。。。

python安装源码包搞定。

为了编译源码，我们做一些准备工作，比如安装gcc和g++：

sudo aptitude install gcc

耐心的等待结束：

sudo apt install gcc

sudo apt-get install g++

编译器搞定，接着装python的依赖包：

sudo apt-get install -y build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev xz-utils tk-dev libffi-dev liblzma-dev

。。。

正式编译安装Python-3.7.5

切换Python-3.7.5目录

sudo ./configure --enable-optimizations --prefix=/usr/python3

指定安装后的python放到 /usr/python3目录下。

。。。

sudo make

耐心等待。。。

有400多个test要做。。

继续耐心等待。。。

然后部署。。

sudo make install

切换到安装目录，查看版本：

在/etc/profile加入/usr/python3/bin的PATH，并执行，这样可以在任何地方都可以优先执行python 3.7.5

好了，Python 3.7.5源码编译完成。

Part Four：PIP安装MindSpore

终于可以激冻人心的进入到MindSpore的安装过程了。

为了确保是在3.7.5环境的pip下安装，

执行 python3 -m pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.0.0/MindSpore/cpu/ubuntu_x86/mindspore-1.0.0-cp37-cp37m-linux_x86_64.whl

当然了。。出点问题也算正常的。。

好像是装decorator时遇到了权限问题。 

那我们换成root用户装吧。。。

python3 -m pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.0.0/MindSpore/cpu/ubuntu_x86/mindspore-1.0.0-cp37-cp37m-linux_x86_64.whl

很快就秒装完毕，也没任何出错：

然后进入python验证下安装结果：

PIP安装MindSpore的过程真的很简单。

Part Five：使用Mindspore进行LENET训练

首先到mindspore gitee官网下载lenet的相关示例代码：

https://gitee.com/mindspore/mindspore/tree/master/model_zoo/official/cv/lenet

然后打开 http://yann.lecun.com/exdb/mnist/ 网页：

将链接中这四个文件下载到本地，并放入前面下载好的lenet下新建的MNIST_DATA目录下。

并且，用winrar解压，分别将train开头的文件和t10k开头的文件放入train和test目录下。

然后，把这些代码打包成lenet.zip，使用scp工具（如Xftp 6）,传输到ubuntu 18.04中：

然后执行unzip lenet.zip解压。

就可以在ubuntu下看到这些文件了。

当然，这些过程也可以直接在ubuntu中做。。比如使用wget直接下载训练集文件等等。

接着，为了保险起见，暂时先用root执行吧。。（怕ascend用户执行又有什么权限问题。。。）

cd /home/ascend/lenet/

vi train.py

将device_target的default改为CPU。将data_path设成 MNIST_DATA目录。其余暂时保持不变：

然后开始跑训练吧。。。

python3 train.py

一会儿就跑完了。。。

并且在ckpt下会生成一些文件。。。

回到上层目录，执行：

python3 eval.py --ckpt_path=./ckpt/checkpoint_lenet-10_1875.ckpt

执行验证成功，模型的精度为98.7580%。。。

说明使用mindspore在跑lenet这些例程还是比较顺利的。

参考资料：

（1）[干货分享] Mindspore 1.0初体验 https://bbs.huaweicloud.com/forum/thread-80567-1-1.html  @JeffDing 

（2）[干货分享] 体验MindSpore v1.0（一）——安装篇  https://bbs.huaweicloud.com/forum/thread-80509-1-1.html  @Tianyi_Li

（全文完，谢谢阅读）

BTW：张小白还在折腾源码安装MindSpore。。不过能不能成功估计要看造化了。。其实本文是折腾源码安装一文的副产品，其间参考了 @JeffDing @Tianyi_Li等大大的一些资料，还得到了 MindSpore官方群中 @大缺弦  @行者 @理性 （好像还有 三只猴子的ID，实在打不出来）等大大 的帮助，非常感谢。。。