ModelArts CodeLab 安装 MindSpore 科学计算工具包

入口

现有的 ModelArts CodeLab 对 MindSpore 1.5 还不太友好，我们可以通过 MindSpore 官方文档中的 Run ModelArts 来运行一个 MindSpore 环境的 CodeLab。

成功打开 CodeLab 之后，我们需要留意一下当前环境是否为 GPU 环境，如果不是，我们可以一键切换， 如下图：

当然也不一定每次都这么顺利，也许您会遇到切换换失败的情况，这是因为免费的资源是有限制的，所以是贫穷限制了我学习的动力~

升级

执行pip install之后，我们发现当前默认的 MindSpore 版本是 1.2 ，并非支持科学计算工具包的 1.5 ，如下图：

接着，我们要升级到新版本的 MindSpore。

MindSpore 官方文档已经给了我们详细升级的指南，此处我是进行重新安装的，如下图：

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

执行

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

成功输出了 1.5.0 的版本号，先不管能不能用，至少是有这个版本了。

安装 MindSPONGE

MindSPONGE 是由高毅勤课题组（北京大学、深圳湾实验室）和华为 MindSpore 团队联合开发的分子模拟库，具有高性能、模块化等特性。按照官方文档的指引，我选择从 Gitee clone 源码进行安装：

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

如上图中，首先我执行 python -c 'import mindsponge' 会报错No module named 'mindsponge',这是因为安装的 MindSpore 并没有内置科学计算工具包，需要我们手动安装，安装完毕之后再次校验就不再报错没有模块了。

当然也可以使用 pip 安装，这里就不表了。

安装 MindElec

目前 MindElec 还没有明确说支持 GPU 环境 ，不过从社区的反馈来看，现在应该是可以再 GPU 环境中使用的。安装 MindELec 有两种方式：

一是通过 pip 安装，一是通过编译源码安装；经过我的踩坑，强烈推荐使用 pip 安装。

pip install

我们可以去到 MindSpore 版本网页–https://mindspore.cn/versions/ 获取对应版本的 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

简单验证一下：

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

over，后面的就是踩坑经历了，不过目前在 ModelArts CodeLab 中不建议使用源码安装 MindElec，主要是还没有安装成功。虽然源码编译打包没问题，能够正常出包，但安装时就提示无法支持当前平台，而且一看 python 版本名称都变成 c39 了，而我当前的环境是 3.7。具体原因后续再探索。

源码安装

cd MindElec bash build.sh

不过并不太顺利，提示当前环境的 CMake 版本太低，于是我尝试重新安装 CMake。

先去 CMake 官网 找到 Linux 版本的 cmake-3.22.0-rc2.tar.gz 下载到本地，然后上传到 Notebook，执行解压、make 等操作，不过值得注意的是 ModelArts Notebook 中没法使用 root 权限，因此无法直接安装 CMake，我们尝试先使用非 root 用户权限进行安装：

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

感觉编译配置和编译的过程十分漫长，在等待过程中我也再去翻了翻文档，不知道还会不会出啥幺蛾子，不过感觉大方向是对的。

# 环境变量配置 export PATH=/home/ma-user/work/bin:$PATH cmake -version

接着执行build.sh脚本，一切正常的话，我们会看到output目录下会生成相应版本的包，如mindscience_mindelec_gpu-0.1.0rc1-cp39-cp39-linux_x86_64.whl：

bash build.sh -e gpu

简单体验 MindScience

MindElec 套件提供了物理驱动和数据驱动的 AI 方法，我们分别尝试运行其中的 physics_driven/time_domain_maxwell 和data_driven/parameterization 这两个案例的训练脚本, 记得修改 device_target为 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

体验暂时告一段落，总的来说 ModelArts 对 MindSpore 新版本的支持越来越好了，想体验最新的 MindSpore，原来有 ModelArts 就行。

AI开发平台ModelArts MindSpore

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。