赶在2020年最后一天，Gitee明星开源项目全场景AI框架 MindSpore 也发布了 1.1 的版本，也意味着MindSpore迎来了新的起点新的征程。年底的MindCon极客周活动让我收获不少，新版本发布，怎么少得了Copy攻城狮的Hello World呢？
全新体验
继2020年3月， MindSpore 正式开源，到2020年9月正式发布1.0版本，MindSpore一步一个脚印，终于在2020年11月喜获 OSC 中国开源项目最佳人气项目奖。2021年，MindSpore发布了1.1版本，在新版本增加了统一IR格式MindIR实现一次训练多次部署；提供了全场景部署能力实现MindSpore端云互通；完善了PyNative模式，开发调试更友好；重新设计了调试器的检查能力，更加易用精准；新增了端侧训练特性，使得AI应用越用越精准……而对于Copy攻城狮来说，最喜爱的是教程大规模更新以及打通了一站式AI开发平台ModelArts，在手机上也能学习模型开发及训练；另一个喜爱的点是在Windows上有了更好的安装体验。今天就给大家简单跑一跑 MindSpore 1.1 的 HelloWorld -- 跑通图片分类 LeNet 模型，弥补之前在Windows上安装失败而放弃学习的遗憾！
安装
在新版下，Windows的安装体验似乎变得更加丝滑，一行命令安装，一行命令验证安装结果。安装使用的是官方文档提供的脚本，使用到了华为云自家的资源和清华pip镜像，这也许是我和清华唯一的交集：
pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.1.0/MindSpore/cpu/windows_x64/mindspore-1.1.0-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple
# 注意参考官方文档的安装指南，确保安装依赖以及环境变量配置正确
# 本次选择选项 1.1.0 Windows CPU Python3.7.5 pip
mindspore windows install
安装完毕之后还需校验一下本次安装是否成功：
python -c "import mindspore;print(mindspore.__version__)"
# 1.1.0
mindspore check install
以上能正常输出MindSpore版本号，Windows上成功安装 MindSpore 1.1.0。接下来开始疯狂Copy代码吧！
实操
本次实操会基于Lenet实现一个简单的图片分类的功能，涉及到数据集的准备和处理、定义网络&损失函数&优化器、数据集加载、模型加载\保存\推理\验证等过程，是一些基本的操作，万丈高楼平地起，Copy攻城狮就从这平地开始吧！
数据集准备
数据集： http://yann.lecun.com/exdb/mnist/
能够自己动，绝不手动！我们通过python脚本来下载数据集。我们会引入文件下载和加压gzip文件必备的依赖；定义解压gzip文件的方法；定义下载进度的方法，下载完毕就解压文件最后移除；最后定义数据集下载主函数。
具体代码请查阅：https://gitee.com/mindspore/docs/blob/r1.1/tutorials/tutorial_code/lenet/utils/dataset.py
数据集的准备工作主要是为了生成如下的文件夹结构，test存放推理数据，train存放训练数据：
└─MNIST_Data ├─test │ t10k-images.idx3-ubyte │ t10k-labels.idx1-ubyte │ └─train train-images.idx3-ubyte train-labels.idx1-ubyte
mindspore lenet mnist
训练及推理
我们会用到一些python库和MindSpore中的一些模块，如 os 指定数据集路径,context模块配置运行需要的信息,dataset模块处理数据集如定义数据集、数据增强等,继承mindspore.nn.Cell定义神经网络,从mindspore.nn.loss引入损失函数等等,可以在文件开头引入我们所需要的依赖。然后使用mindspore.dataset模块进行数据集处理；接着定义Lenet网络、定义损失函数及优化器并对模型保存和训练网络进行配置。
具体代码请查阅：https://gitee.com/mindspore/docs/blob/r1.1/tutorials/tutorial_code/lenet/lenet.py
最后执行python命令进行训练，训练及推理完毕即可查看结果:
epoch: 1 step: 1866, loss is 0.1575163
epoch: 1 step: 1867, loss is 0.31445956
epoch: 1 step: 1868, loss is 0.043173585
epoch: 1 step: 1869, loss is 0.12036275
epoch: 1 step: 1870, loss is 0.12131009
epoch: 1 step: 1871, loss is 0.3510599
epoch: 1 step: 1872, loss is 0.078447945
epoch: 1 step: 1873, loss is 0.08664515
epoch: 1 step: 1874, loss is 0.15272087
epoch: 1 step: 1875, loss is 0.007838262
============== Starting Testing ==============
============== Accuracy:{'Accuracy': 0.9649439102564102} ==============
mindspore lenet
小结
整个流程走完不超过15分钟，在我16年的粗粮笔记本上居然也能流畅运行，尽管因为有代码容易跑起来，但真正想搞懂里边涉及的方方面面可不是一朝一夕就能实现的。路漫漫兮其修远，Copy攻城狮也将上下求索！
如有不当，欢迎指正！
联系作者：huqi@gpdi.com
