Mindspore r0.7版本运行Lenet_MNIST

简介: Mindspore r0.7版本运行Lenet_MNIST

一、环境准备

  • 建议使用anaconda去创建一个单独容器去使用mindspore
    至于怎么去创建,可以参考前一张博客。

1) 安装mindspore r0.7

去官网上www.mindspore.cn寻找r0.7版本使用pip安装

pip install

https://ms-release.obs.cn-north-4.myhuaweicloud.com/0.7.0-beta/MindSpore/cpu/windows_x64/mindspore-0.7.0-cp37-cp37m-win_amd64.whl

2)拷贝代码

去码云mindspore上拷贝lenet代码

查看分支,获取链接

二、运行准备

1)代码准备

根据以上,git代码

https://gitee.com/mindspore/mindspore.git

查看git之后代码,在你的当前文件路径下,不知道的可以是使用pwd命令

cd mindspore\model_zoo\official\cv\lenet

进入目录后将train.py和eval.py两文件修改一下

改成CPU的

2)数据准备

数据下载

http://yann.lecun.com/exdb/mnist/

将这四个文件train文件归train,test归test文件,两个为一组。分别解压成Date/train和Data/test目录下,建议不要把压缩包放进去(可能会报错)

将Data这个文件放在lenet目录下

三、开始练丹

切换到lenet目录

cd mindspore\model_zoo\official\cv\lenet

执行训练代码

python train.py

就可以开始训练了,训练后会产生ckpt文件,放在了ckpt目录下

执行验证代码

python eval.py --ckpt_path=./ckpt/checkpopint_lenet-10_1875.ckpt

四、结束

本次是mindspore第四期运行作业。以上如有不足或者错误地方还望见谅和指正。一定积极学习改正。


相关文章
|
3月前
|
机器学习/深度学习 数据采集 TensorFlow
使用TensorFlow进行模型训练:一次实战探索
【8月更文挑战第22天】本文通过实战案例详解使用TensorFlow进行模型训练的过程。首先确保已安装TensorFlow,接着预处理数据,包括加载、增强及归一化。然后利用`tf.keras`构建卷积神经网络模型,并配置训练参数。最后通过回调机制训练模型,并对模型性能进行评估。此流程为机器学习项目提供了一个实用指南。
|
3月前
|
机器学习/深度学习 API 算法框架/工具
【Tensorflow+keras】Keras API三种搭建神经网络的方式及以mnist举例实现
使用Keras API构建神经网络的三种方法:使用Sequential模型、使用函数式API以及通过继承Model类来自定义模型,并提供了基于MNIST数据集的示例代码。
54 12
|
3月前
|
机器学习/深度学习 API 算法框架/工具
【Tensorflow+keras】Keras API两种训练GAN网络的方式
使用Keras API以两种不同方式训练条件生成对抗网络(CGAN)的示例代码:一种是使用train_on_batch方法,另一种是使用tf.GradientTape进行自定义训练循环。
38 5
|
3月前
|
机器学习/深度学习 PyTorch TensorFlow
【机器学习】基于tensorflow实现你的第一个DNN网络
【机器学习】基于tensorflow实现你的第一个DNN网络
56 0
|
6月前
|
机器学习/深度学习 TensorFlow API
Python安装TensorFlow 2、tf.keras和深度学习模型的定义
Python安装TensorFlow 2、tf.keras和深度学习模型的定义
|
机器学习/深度学习 算法 TensorFlow
LeNet5详细原理(含tensorflow版源码)
LeNet5详细原理(含tensorflow版源码)
194 0
LeNet5详细原理(含tensorflow版源码)
|
机器学习/深度学习 人工智能 算法
部署教程 | ResNet原理+PyTorch复现+ONNX+TensorRT int8量化部署
部署教程 | ResNet原理+PyTorch复现+ONNX+TensorRT int8量化部署
294 0
|
XML 人工智能 TensorFlow
OpenVINO运行Tensorflow模型
OpenVINO运行Tensorflow模型
OpenVINO运行Tensorflow模型
|
TensorFlow 算法框架/工具
TensorFlow训练网络两种方式
TensorFlow训练网络两种方式
106 0
|
数据可视化 PyTorch 算法框架/工具
使用onnx对pytorch模型进行部署
使用onnx对pytorch模型进行部署
596 0
下一篇
无影云桌面