[人工智能]机器学习实战之一：mindspore+Lenet（win10）

训练方式和平台

使用华为的mindspore框架和mindspore在gitee上的机器学习代码。
开发环境：win10、pycharm、Anaconda。
语言：python3.7.5，这个版本是mindspore官网规定的，详见这里。

初始参考链接：
Ubuntu使用Mindspore训练跑通Lenet
Mindspore1.0初体验

步骤

1、安装mindspore环境

在pycharm中配置好Anaconda环境，使用Anaconda创建项目lenet。在terminal使用如下命令中创建虚拟环境lenet（虚拟环境名称自定义）：
conda create -n lenet python=3.7.5

之后进入虚拟环境：
conda activate lenet

使用pip安装mindspore框架：
这一步的执行命令在mindspore官网安装教程可以找到，在页面中选择使用的mindspore和开发环境的版本好，会在下方自动生成对应的执行命令。

这里说明一下，本教程主要依据的是 Mindspore1.0初体验。该链接教程中使用的mindspore版本是1.0.0。但是在目前的mindspore官网安装教程，只有1.2.1和1.1.1两个版本。在官网获取安装命令时，我的选择如下：

为了和源教程的版本号保持一致，我将上图安装命令中的mindspore版本号部分改为1.0.0，最终命令如下：
pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.0.0/MindSpore/cpu/windows_x64/mindspore-1.0.0-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

在pycharm的终端执行以上命令，mindspore 1.0.0的框架仍可以安装成功。

2、下载mindspore在gitee上的深度学习代码项目（包含lenet）

代码项目：mindspore上的lenet代码。


点击界面右上角的克隆/下载。
点击“下载ZIP”会下载整个mindspore深度学习代码压缩包。
同样，由于这个 Mindspore1.0初体验发布的时间是2020.10期间，在我写这篇文章的时候，gitee上的mindspore代码已经被多次更新，至少lenet部分的python代码已经和原来有较大的差别。
这里我比较懒，就干脆找到源教程发布时的版本。
为了和源教程一致，我费了点力——Mindspore1.0初体验这个教程发布时的日期是2020年10月03日，gitee可以浏览项目的历史版本：
点击下图中的XXX次提交

会跳转到统计提交的页面

点击浏览文件，会提示浏览对应的历时版本。
在历史版本中找到2020年10月03日之前的最后一次更改（也就是这里），并下载此时的代码项目放到我们的lenet项目文件夹之下。（项目根目录本是mindspore，我这里自己改成了ms_old）

注意

代码拷到目录下之后，部分代码文件里的import会报错如下

这种现象不影响后面的训练和测试的代码执行。

（这里的路径导入错误也是可以在编辑器里面“改正”的，但是改正后会导致后续的步骤执行发生错误）

3、准备训练文件和测试文件-MNIST数据集

MNIST数据集的下载地址是 http://yann.lecun.com/exdb/mnist/

依次下载这四项文件。
前两项train开头的train-images-idx3-ubyte.gz和train-labels-idx1-ubyte.gz是训练集文件；
后两项t10k-images-idx3-ubyte.gz和t10k-labels-idx1-ubyte.gz是测试集文件。
四个压缩包下载完成之后，在项目路径ms_old/model_zoo/official/cv/lenet之下新建文件夹MNIST_DATA；继而在此之下继续新建文件夹train和test，将解压后的train-images-idx3-ubyte.gz和train-labels-idx1-ubyte.gz放在train中；解压后的t10k-images-idx3-ubyte.gz和t10k-labels-idx1-ubyte.gz放在test中。

4、执行训练

找到ms_old/model_zoo/official/cv/lenet之下的train.py，修改两处地方：

同文件夹下的eval.py，同样要修改两处：

改好之后，在pycharm的terminal中，将执行路径转到如下：
cd ms_old/model_zoo/official/cv/lenet
执行训练代码：
python train.py
即可执行训练。这需要一会儿。

训练结束时会出现图中的最后一行。

5、执行测试

在训练结束后，执行测试代码：
python eval.py --ckpt_path=./ckpt/checkpoint_lenet-10_1875.ckpt
最后会输出识别率：