昇思MindSpore安装教程

简介: 昇思MindSpore安装教程

昇思MindSpore安装教程

MindSpore


它是华为研发的一款深度学习框架,中文名为昇思,是中国主流的AI框架,它帮助开发者实现网络自动切分,只需串行表达就能实现并行训练,降低门槛,简化开发流程,给用户带来简单的开发体验;具备训练过程静态执行和动态调试能力,开发者通过变更一行代码即可切换模式,快速在线定位问题,提供了灵活的体验方式;能够最大的发挥硬件的性能,最佳匹配昇腾处理器,最大程度地发挥硬件能力,帮助开发者缩短训练时间,提升推理性能;支持云、边缘和手机上的快速部署,实现更好的资源利用和隐私保护,让开发者专注于AI应用的创造,能够实现全场景快速部署。


官网直达 官网


安装MindSpore

点击官网直达这个链接,我们就可以在线选择适合自己环境的版本以及对于的下载命令。

例如,我选择的就是版本1.81,环境CPU训练,win系统,python版本3.7,安装方式我采用Conda。

至于接下来怎么安装,官网教程超详细,可看下图,我就不赘述了。


开始安装

  1. 首先创建一个虚拟环境
  2. 然后进入这个虚拟环境工作目录
  3. 执行下载命令


对于步骤的命令如下:

conda create -c conda-forge -n mindspore_py37 -c conda-forge python=3.7.5
activate mindspore_py37
conda install mindspore-cpu -c mindspore -c conda-forge


创建虚拟环境

conda create -c conda-forge -n mindspore_py37 -c conda-forge python=3.7.5

进入工作目录

activate mindspore_py37

下载完成

conda install mindspore-cpu -c mindspore -c conda-forge

验证是否成功安装

python -c “import mindspore;mindspore.run_check()”


安装完毕。只能说非常的容易。

关注MindSpore社区官方号

目录
相关文章
|
2月前
|
PyTorch 算法框架/工具 芯片
新手入门:DGL在昇腾上的安装问题
本文介绍了在aarch64架构和Python 3.10环境下安装DGL(Deep Graph Library)的过程。首先通过`uname -a`确认硬件架构,接着使用`python --version`检查Python版本。为确保兼容性,从指定链接下载适合的whl包或通过pip安装dgl。过程中遇到了torchdata版本不兼容的问题,通过降级torchdata至0.7.1版本解决。此外,针对NPU芯片适配,重新安装了与CANN 8.0.RC2兼容的torch和torch_npu组件。最终成功导入dgl包并准备进行模型训练验证。
|
3月前
|
机器学习/深度学习 存储 人工智能
【AI系统】昇思MindSpore并行
本文介绍昇思MindSpore的并行训练技术,包括张量重排布、自动微分等,旨在简化并行策略搜索,提高大规模模型训练效率。文章探讨了大模型带来的挑战及现有框架的局限性,详细说明了MindSpore如何通过技术创新解决这些问题,实现高效的大模型训练。
133 20
【AI系统】昇思MindSpore并行
|
3月前
|
机器学习/深度学习 人工智能 开发者
【AI系统】昇思 MindSpore 关键特性
本文介绍华为自研AI框架昇思MindSpore,一个面向全场景的AI计算框架,旨在提供统一、高效、安全的平台,支持AI算法研究与生产部署。文章详细阐述了MindSpore的定位、架构、特性及在端边云全场景下的应用优势,强调其动静态图统一、联邦学习支持及高性能优化等亮点。
148 7
【AI系统】昇思 MindSpore 关键特性
|
3月前
|
机器学习/深度学习 人工智能 算法
AI框架的赢者法则:生态繁荣的昇思MindSpore,成为大模型时代的新选择
2024年被视为大模型应用的元年。昇思MindSpore AI框架凭借其强大的开源社区和技术创新,在全球范围内迅速崛起。截至2024年11月,该框架的下载量已超过1100万次,覆盖130多个国家和地区的2400多个城市,拥有3.7万名贡献者。昇思MindSpore不仅在人才培养和社区治理方面表现出色,还在大模型的开发、训练和应用中发挥了关键作用,支持了50多个主流大模型,覆盖15个行业。随着其市场份额预计达到30%,昇思MindSpore正逐步成为行业共识,推动大模型在各领域的广泛应用。
88 12
|
6月前
|
机器学习/深度学习 并行计算 计算机视觉
CUDA:王者之巅——探究CUDA为何能成为并行计算的佼佼者
本文探讨了CUDA在并行计算领域的崛起及其成为佼佼者的原因,详细介绍了CUDA的技术背景、架构原理及在深度学习、图像处理等领域的应用案例,展示了其显著的性能优势与优化方法,并展望了CUDA在未来计算技术发展中的潜力与方向。
|
7月前
|
存储 人工智能 文字识别
AI开发初体验:昇腾加持,OrangePi AIpro 开发板
本文分享了作者使用OrangePi AIpro开发板的初体验,详细介绍了开箱、硬件连接、AI程序开发环境搭建、以及通过Jupyter Lab运行AI程序的过程,并展示了文字识别、图像分类和卡通化等AI应用实例,表达了AI时代已经到来的观点。
979 1
|
10月前
|
人工智能 并行计算 搜索推荐
昇思MindSpore 2.3全新发布 | 昇思人工智能框架峰会2024圆满举办
人工智能框架作为软件根技术,已成为加速人工智能大模型开发、推动产业智能化发展的核心力量。 以“为智而昇,思创之源”为主题的昇思人工智能框架峰会2024今日在北京国家会议中心举办,旨在汇聚AI产业界创新力量,推动根技术持续创新,共建人工智能开源新生态。
|
10月前
|
人工智能 API Python
极智AI | 再谈昇腾CANN量化
大家好,我是极智视界,本文介绍一下 再谈昇腾CANN量化。
200 1
|
10月前
|
人工智能
极智AI | 昇腾开发环境搭建CANN&MindStudio(无坑版)
大家好,我是极智视界,本文介绍一下 昇腾开发环境搭建 CANN & MindStudio,没有坑。
289 0
|
10月前
|
人工智能 算法 数据格式
极智AI | 谈谈昇腾CANN量化
大家好,我是极智视界,本文介绍一下 谈谈昇腾CANN量化。
273 0