MindInsight Visual Dashboard v2.0.0

MindInsight bietet MindSpore benutzerfreundliche Optimierungs- und Debugging-Funktionen. Während des Trainingsprozesses können Daten wie Skalare, Tensoren, Bilder, Berechnungsdiagramme, Modellhyperparameter und Trainingszeit in Dateien aufgezeichnet und über die MindInsight-Visualisierungsseite angezeigt und analysiert werden.

Installieren

Bestätigen Sie die Informationen zur Systemumgebung

Die Hardwareplattform ist Ascend oder GPU.

Bestätigen Sie, dass Python 3.7.5 installiert ist.

MindInsight und MindSpore müssen konsistent sein.

Wenn Sie zum Kompilieren und Installieren Quellcode verwenden, müssen Sie außerdem bestätigen, dass die folgenden Abhängigkeiten installiert sind.

Bestätigen Sie die Installation von CMake 3.14.1 und höher.

Bestätigen Sie die Installation von GCC 7.3.0.

Bestätigen Sie die Installation von node.js 10.19.0 und höher.

Bestätigen Sie die Installation von Rad 0.32.0 und höher.

Bestätigen Sie die Installation von pybind11 2.4.3 und höher.

Weitere Abhängigkeiten finden Sie in der Datei „requirements.txt“.

Installationsmethode

Sie können die Pip-Installation oder die Kompilierung und Installation des Quellcodes verwenden.

Pip-Installation

Auf PyPI installieren:

pip mindinsight installieren

Anpassung installieren:

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/{version}/MindInsight/any/mindinsight-{version}-py3-none-any.whl --trusted-host ms- release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

Wenn eine Verbindung zum Internet besteht, werden die Abhängigkeiten des MindInsight-Installationspakets automatisch heruntergeladen, wenn das whl-Paket installiert wird (Details zu Abhängigkeiten finden Sie in der Datei „requirements.txt“). In anderen Fällen müssen Sie es selbst installieren.

{version} stellt die MindInsight-Nummer dar. Wenn Sie beispielsweise MindInsight 1.3.0 herunterladen, sollte {version} als 1.3.0 geschrieben werden.

MindInsight unterstützt Linux-Verteilungssysteme mit x86 64-Bit- oder ARM 64-Bit-Architektur.

Kompilierung und Installation des Quellcodes

Laden Sie den Quellcode aus dem Code-Repository herunter

Git-Klon https://gitee.com/mindspore/mindinsight.git

Kompilieren und installieren Sie MindInsight

Sie können eine der folgenden Installationsmethoden wählen

1. Führen Sie den folgenden Befehl im Stammverzeichnis des Quellcodes aus.

cd mindinsightpip install -r require.txt -i https://pypi.tuna.tsinghua.edu.cn/simplepython setup.py install

2. Erstellen Sie das whl-Paket und installieren Sie es.

Geben Sie das Stammverzeichnis des Quellcodes ein, führen Sie zuerst das MindInsight-Kompilierungsskript im Build-Verzeichnis aus und führen Sie dann den Befehl aus, um das im Ausgabeverzeichnis generierte WHL-Paket zu installieren.

cd mindinsightbash build/build.shpip install output/mindinsight-{version}-py3-none-any.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

Überprüfen Sie die erfolgreiche Installation

Führen Sie den folgenden Befehl aus

mindinsight start [--port PORT]

Wenn die folgende Eingabeaufforderung erscheint, ist die Installation erfolgreich

Webadresse: http://127.0.0.1:8080Dienststartstatus: Erfolg

Schnellstart

Bevor Sie MindInsight verwenden, müssen Sie die Daten während des Trainingsprozesses aufzeichnen. Geben Sie beim Starten von MindInsight den Speicherort der gespeicherten Daten an. Nach erfolgreichem Start können Sie die Daten über die Visualisierungsseite anzeigen. Im Folgenden werden kurz die Aufzeichnung von Trainingsprozessdaten sowie das Starten und Stoppen des MindInsight-Dienstes vorgestellt.

SummaryCollector ist eine von MindSpore bereitgestellte Schnittstelle zum schnellen und einfachen Sammeln einiger allgemeiner Informationen. Zu den gesammelten Informationen gehören Berechnungsdiagramme, Verlustwerte, Lernraten, Parametergewichte usw. Das Folgende ist ein Beispiel für die Verwendung von SummaryCollector zur Datenerfassung, in dem das Verzeichnis, in dem die Daten gespeichert werden, als ./summary_dir angegeben ist.

...vom ​​Mindspore-Import SummaryCollectorssummary_collector = SummaryCollector(summary_dir='./summary_dir')model.train(epoch=1, ds_train, callbacks=[summary_collector])

Weitere Methoden zur Aufzeichnung visueller Daten finden Sie im Tutorial zur Verwendung von MindInsight.

Geben Sie nach dem Sammeln der Daten beim Starten von MindInsight das Verzeichnis an, in dem die Daten gespeichert werden sollen.

mindinsight start --summary-base-dir ./summary_dir [--port PORT]

Greifen Sie nach erfolgreichem Start über den Browser auf http://127.0.0.1:8080 zu, um die Visualisierungsseite anzuzeigen.

Befehl zum Stoppen des MindInsight-Dienstes

mindinsight stop [--port PORT]