ModelArts CodeLab 安裝 MindSpore 科學計算工具包

入口

現有的 ModelArts CodeLab 對 MindSpore 1.5 還不太友好，我們可以通過 MindSpore 官方文檔中的 Run ModelArts 來運行一個 MindSpore 環境的 CodeLab。

成功打開 CodeLab 之后，我們需要留意一下當前環境是否為 GPU 環境，如果不是，我們可以一鍵切換， 如下圖：

當然也不一定每次都這么順利，也許您會遇到切換換失敗的情況，這是因為免費的資源是有限制的，所以是貧窮限制了我學習的動力~

升級

執行pip install之后，我們發現當前默認的 MindSpore 版本是 1.2 ，并非支持科學計算工具包的 1.5 ，如下圖：

接著，我們要升級到新版本的 MindSpore。

MindSpore 官方文檔已經給了我們詳細升級的指南，此處我是進行重新安裝的，如下圖：

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.5.0/MindSpore/gpu/x86_64/cuda-10.1/mindspore_gpu-1.5.0-cp37-cp37m-linux_x86_64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

執行

python -c "import mindspore;mindspore.run_check()"

成功輸出了 1.5.0 的版本號，先不管能不能用，至少是有這個版本了。

安裝 MindSPONGE

MindSPONGE 是由高毅勤課題組（北京大學、深圳灣實驗室）和華為 MindSpore 團隊聯合開發的分子模擬庫，具有高性能、模塊化等特性。按照官方文檔的指引，我選擇從 Gitee clone 源碼進行安裝：

git clone https://gitee.com/mindspore/mindscience.git cd mindScience/MindSPONGE python setup.py install --user

如上圖中，首先我執行 python -c 'import mindsponge' 會報錯No module named 'mindsponge',這是因為安裝的 MindSpore 并沒有內置科學計算工具包，需要我們手動安裝，安裝完畢之后再次校驗就不再報錯沒有模塊了。

當然也可以使用 pip 安裝，這里就不表了。

安裝 MindElec

目前 MindElec 還沒有明確說支持 GPU 環境 ，不過從社區的反饋來看，現在應該是可以再 GPU 環境中使用的。安裝 MindELec 有兩種方式：

一是通過 pip 安裝，一是通過編譯源碼安裝；經過我的踩坑，強烈推薦使用 pip 安裝。

pip install

我們可以去到 MindSpore 版本網頁–https://mindspore.cn/versions/ 獲取對應版本的 MindElec， 如mindscience_mindelec_ascend-0.1.0-cp37-cp37m-linux_x86_64.whl

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.5.0/MindScience/x86_64/mindscience_mindelec_ascend-0.1.0-cp37-cp37m-linux_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

簡單驗證一下：

# test mindspore import mindspore; mindspore.run_check(); # test mindsponge import mindsponge; # test mindelec import mindelec;

over，后面的就是踩坑經歷了，不過目前在 ModelArts CodeLab 中不建議使用源碼安裝 MindElec，主要是還沒有安裝成功。雖然源碼編譯打包沒問題，能夠正常出包，但安裝時就提示無法支持當前平臺，而且一看 python 版本名稱都變成 c39 了，而我當前的環境是 3.7。具體原因后續再探索。

源碼安裝

cd MindElec bash build.sh

不過并不太順利，提示當前環境的 CMake 版本太低，于是我嘗試重新安裝 CMake。

先去 CMake 官網 找到 Linux 版本的 cmake-3.22.0-rc2.tar.gz 下載到本地，然后上傳到 Notebook，執行解壓、make 等操作，不過值得注意的是 ModelArts Notebook 中沒法使用 root 權限，因此無法直接安裝 CMake，我們嘗試先使用非 root 用戶權限進行安裝：

tar -zxvf cmake-3.22.0-rc2.tar.gz cd cmake-3.22.0-rc2 ./bootstrap # cmake -DCMAKE_INSTALL_PREFIX=/home/ma-user/work ./configure --prefix=/home/ma-user/work make && make install

感覺編譯配置和編譯的過程十分漫長，在等待過程中我也再去翻了翻文檔，不知道還會不會出啥幺蛾子，不過感覺大方向是對的。

# 環境變量配置 export PATH=/home/ma-user/work/bin:$PATH cmake -version

接著執行build.sh腳本，一切正常的話，我們會看到output目錄下會生成相應版本的包，如mindscience_mindelec_gpu-0.1.0rc1-cp39-cp39-linux_x86_64.whl：

bash build.sh -e gpu

簡單體驗 MindScience

MindElec 套件提供了物理驅動和數據驅動的 AI 方法，我們分別嘗試運行其中的 physics_driven/time_domain_maxwell 和data_driven/parameterization 這兩個案例的訓練腳本, 記得修改 device_target為 GPU。

python mindscience/MindElec/examples/physics_driven/time_domain_maxwell/train.py

python mindscience/MindElec/examples/data_driven/parameterization/train.py --device_target=GPU --device_num=0

體驗暫時告一段落，總的來說 ModelArts 對 MindSpore 新版本的支持越來越好了，想體驗最新的 MindSpore，原來有 ModelArts 就行。

AI開發平臺ModelArts MindSpore

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。