MindInsight

MindInsight为MindSpore提供了简单易用的调优调试能力。在训练过程中，可以将标量、张量、图像、计算图、模型超参、训练耗时等数据记录到文件中，通过MindInsight可视化页面进行查看及分析。

从官方的介绍中可以了解到。Mindinsight对于mindspore来说，相当于TensorFlow中的Tensorboard.

也就是可视化页面。于是去了解了一下这二者的区别。

从设计思路上来说，TensorBoard主要以插件化的形式来进行构建，它的好处是开发比较方便，功能解耦比较清楚。开发一个新功能，可以很快在TensorBoard添加一个新的页签。但是我认为这种模式存在的缺点是不停的添加单个的功能，缺乏总体的使用引导，指导用户怎样去一步一步调网络。 MindInsight在设计上是希望给用户提供网络调试和调优的方法论，可以看到MindInsight的入口是从训练列表开始的，点击某个训练后，希望给用户很清晰的指引：在调试调优的某个阶段遇到某个问题时，应该使用哪个功能。

从组件上来说，我认为MindInsight现在有一些特色功能是TensorBoard不具备的，比如说像溯源，数据图的展示等等。当然MindInsight现在还在比较快速的构建和开发中，会陆续上线很多新的组件。

从生态上来说，TensorBoard和Tensorflow目前主要是服务于GPU/TPU的，MindInsight和MindSpore则需要适配Ascend芯片。芯片的不同会导致在功能上的差异，比如Profiling，MindInsight需要考虑数据下沉等训练场景的性能展示。

安装过程：

官方安装教程链接：https://gitee.com/mindspore/mindinsight/blob/r1.1/README_CN.md

其中 介绍了源码安装和pip安装两种方式。

对于一般开发者来说，pip安装方便省事，我也是采用这种方式。

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/{version}/MindInsight/ascend/{system}/mindinsight-{version}-cp37-cp37m-linux_{arch}.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

其中参数的介绍官方也详细的给出了，这点很棒！

• {version}表示MindInsight版本号，例如下载1.0.1版本MindInsight时，{version}应写为1.0.1。

• {arch}表示系统架构，例如使用的Linux系统是x86架构64位时，{arch}应写为x86_64。如果系统是ARM架构64位，则写为aarch64。

• {system}表示系统版本，例如使用的欧拉系统ARM架构，{system}应写为euleros_aarch64，目前Ascend版本可支持以下系统euleros_aarch64/centos_aarch64/centos_x86/ubuntu_aarch64/ubuntu_x86；GPU版本可支持以下系统ubuntu_x86。

使用起来也和Tensorboard一样方便。只需要在控制台输入命令  ：  mindinsight start   --summary-base-dir ./summary_dir