这是你没见过的MindSpore 2.0.0 for Windows GPU版

摘要：一文带你看看MindSpore 2.0.0 for Windows GPU版。

本文分享自华为云社区《MindSpore 2.0.0 for Windows GPU泄漏版尝鲜》，作者：张辉 。

在看了MindSpore架构师王磊老师的帖子（  https://zhuanlan.zhihu.com/p/574507930 ）之后，本来张小白要源码编译MindSpore for Windows GPU版的，尽管已经安装了CUDA 11.1和配套的cuDNN 8.6.0 for CUDA 11.X（ 张小白教你安装Windows 11的GPU驱动（CUDA 11.1和cuDNN 8.6.0 for CUDA 11.X）-云社区-华为云  ），但是由于各种意外，编译的进度停滞了。然而，凭一点点小道消息，张小白发现了别人编译好的pip安装包：

嗟来之食张小白也可以吃的，毕竟饿了很久了，慌不择路饥不择食也是情有可原的。

于是，开干！

从上面的文件名 mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl 可以看出，这个whl包应该是用Python 3.7编译的。

首先打开Windows的命令行，查看下当前的Python版本：

正好对应了。所以如果文件名是 xxx_cp39_cp39m_xxxx.whl，张小白会怎么办？显然是要先准备一个Anaconda的Python 3.9环境再安装。这个思路不知道读者们Get到了没有。。

不过，这个时候必须要解决一下 安装了CUDA和cuDNN之后的一个小BUG（这其实是源码编译发现的问题，等张小白真的源码编译成功后再仔细解释这件事儿）

就是在 CUDA 11.1和配套的cuDNN 8.6.0 for CUDA 11.X安装手册（ https://bbs.huaweicloud.com/blogs/381666 ）中，简单的将cuDNN解压是不行的：

因为MindSpore会直接到$CUDNN_HOME的lib下找文件，而不是到lib/x64目录下找。

所以，自然需要将上图左边的文件拷贝到 $CUDNN_HOME的lib目录下。

好了，这个小插曲解决了之后，我们再来安装MindSpore 2.0.0 for Windows GPU版吧！

pip install mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl

这就装好了？！张小白有点不相信自己的眼睛（后来的事实表明，确实没那么简单）

再安装MindVision：

pip install mindvision

...

打开 https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/r1.8/tutorials/zh_cn/beginner/mindspore_quick_start.py

下载 mindspore_quick_start.py

python mindspore_quick_start.py --device_target=GPU

奇怪，刚才不是装过了mindvision了吗？怎么还会报找不到mindvision的错？难道pip被装到了不该装的地方？

那只有一个办法：使用python -m pip install xxx这种安装法了。

python -m pip install mindspore_gpu-2.0.0-cp37-cp37m-win_amd64.whl

python -m pip install mindvision

下载验证脚本：

打开 https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/r1.8/tutorials/zh_cn/beginner/mindspore_quick_start.py

下载可以获得 mindspore_quick_start.py 文件。

GPU的第一次验证：

python mindspore_quick_start.py --device_target=GPU

好像有点卡：

不过居然走下去了：

从目录结构可以看出，它自动创建了lenet和mnist两个目录，然后下载了mnist数据集，然后开始例行的训练、评估、推理流程：

虽然10轮epoch都已经做完了，但是python代码迟迟没有退出：

恐怕真的有点什么问题。

张小白强行中断了当前脚本的执行。

先用以前在ubuntu的GPU环境中常用的test.py脚本试试：

编辑test.py

执行python test.py

奇怪，这倒是OK的。应该说明MindSpore GPU版应该是没问题的。

再来试试：

python mindspore_quick_start.py --device_target=GPU

关闭图形的小窗口后：

居然打印出来了训练的结果：预测：126133，实际126133。嗯，孺子可教也！

不过张小白总觉得GPU训练的时间有点慢，不如用CPU方式训练比较一下：

python mindspore_quick_start.py --device_target=CPU

CPU训练后居然会出现有个图片推理结果错误了。

但是这也许不重要。

我们看下训练的速度比较：

看来不能光靠感觉，得靠数字说话，虽然LeNet是个最简单的网络，但是张小白这台2019年的笔记本的GPU的训练速度还是比CPU略快的。

点击关注，第一时间了解华为云新鲜技术~