MindInsight可視化儀表板v2.0.0
2.0.0
MindInsight為MindSpore提供了簡單易用的調優調試能力。在訓練過程中，可以將標量、張量、影像、計算圖、模型超參、訓練耗時等資料記錄到檔案中，透過MindInsight視覺化頁面進行檢視及分析。
硬體平台為Ascend或GPU。
確認安裝Python 3.7.5。
MindInsight與MindSpore的需一致。
若採用原始碼編譯安裝，還需確認安裝以下相依性。
確認安裝CMake 3.14.1以上。
確認安裝GCC 7.3.0。
確認安裝node.js 10.19.0以上。
確認安裝wheel 0.32.0以上。
確認安裝pybind11 2.4.3以上。
其他依賴參考requirements.txt。
可以採用pip安裝或原始碼編譯安裝兩種方式。
安裝PyPI上的:
pip install mindinsight安裝自訂:
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在連網狀態下，安裝whl套件時會自動下載MindInsight安裝套件的相依性(依賴項詳情請參閱requirements.txt)，其餘情況需自行安裝。
{version}表示MindInsight號，例如下載1.3.0MindInsight時，{version}應寫成1.3.0。
MindInsight支援使用x86 64位元或ARM 64位元架構的Linux發行版系統。
從代碼倉下載源碼
git clone https://gitee.com/mindspore/mindinsight.git編譯安裝MindInsight
可選擇以下任一安裝方式
1、在源碼根目錄下執行以下命令。
cd mindinsightpip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simplepython setup.py install2、建置whl包進行安裝。
進入原始碼的根目錄，先執行build目錄下的MindInsight編譯腳本，再執行指令安裝output目錄下產生的whl套件。
cd mindinsightbash build/build.shpip install output/mindinsight-{version}-py3-none-any.whl -i https://pypi.tuna.tsinghua.edu.cn/simple驗證是否成功安裝
執行如下命令
mindinsight start [--port PORT]若出現下列提示，表示安裝成功
Web address: http://127.0.0.1:8080service start state: success
使用MindInsight前，需要先將訓練過程中的資料記錄下來，啟動MindInsight時，指定所儲存的資料的位置，啟動成功後， 即可透過視覺化頁面檢視資料。以下將簡單介紹記錄訓練過程數據，以及啟動、停止MindInsight服務。
SummaryCollector是MindSpore提供的快速簡易地收集一些常見資訊的接口，收集的資訊包括計算圖、損失值、學習率、參數權重等。 以下是使用SummaryCollector 進行資料收集的範例，其中指定存放資料的目錄為./summary_dir。
...from mindspore import SummaryCollectorsummary_collector = SummaryCollector(summary_dir='./summary_dir')model.train(epoch=1, ds_train, callbacks=[summary_collector])
更多記錄視覺化資料的方法，請點選查看MindInsight使用教學課程。
收集好資料後，啟動MindInsight時指定存放資料的目錄。
mindinsight start --summary-base-dir ./summary_dir [--port PORT]
啟動成功後，透過瀏覽器造訪http://127.0.0.1:8080，查看視覺化頁面。
停止MindInsight服務的指令
mindinsight stop [--port PORT]
