MindSpore QuickStart——LSTM算法实践学习
不得不说本作者实在很菜，还要努力的学习。首先说明一下：
1.机器学习和深度学习可以说初探完了，但是其功力太浅。
2.本想只是学习一下，看看的，但是还是入坟了
3.作者能力实在有限，基础实在太差，太菜，只是将流程走了一遍，部分理解不了。
此文为期两天的华为mindspore框架深度学习：
第一天：
1.MindSpore的WASM与Rust实验：
2.基于eBPF的AI kernel观测：
3.轻松使用Volcano和kubeflow进行分布式部署：
第一天我是啥也不懂，只有两字：**
还好第三个作业是跟着文档走的，这一块非常感谢。总之最后完成了作业。
第二天：
1.MindSpore0.3.0新版本介绍：下午发布
2.MindSpore QuickStart——LSTM算法实践：
3.算法加速大杀器：二阶优化详解：
这个还可以，毕竟之前学习了paddlepaddle一点还能有所理解
主要说一下mindspore对lstm算法实践：
特此说明：在这里我是使用jupyter去完成的，没有使用ssh远程
准备数据
1.使用git拷贝：
!git clone https://gitee.com/mindspore/mindspore
2.切换到这个路径
cd /mindspore/example/lstm_aclImdb/
3.下载数据，上传数据
这是数据下载地址
http://ai.stanford.edu/~amaas/data/sentiment/aclImdb_v1.tar.gz http://nlp.stanford.edu/data/glove.6B.zip
将它们解压：
unzip glove.6B.zip -d ./glove
tar -xvzf aclImdb_v1.tar.gz
安装需要包：
pip install gensim
这也是mindspore刚发行的版本
执行程序：
执行：
!python train.py --preprocess=true --aclimdb_path=./aclImdb --glove_path=./glove --ckpt_path=./ckpt
使用这个命令将会产生错误如下： 
我们以此解决：
!python -m gensim.scripts.glove2word2vec --input ./glove/glove.6B.300d.txt --output ./glove/glove.6B.300d.w2vformat.txt mv glove/glove.6B.300d.txt glove/glove.6B.300d.txt.bak mv glove/glove.6B.300d.w2vformat.txt glove/glove.6B.300d.txt
再次执行：
!python train.py --preprocess=true --aclimdb_path=./aclImdb --glove_path=./glove --ckpt_path=./ckp
等待训练结果： 
执行验证程序：
python eval.py --ckpt_path=./ckpt/lstm-20_390.ckpt
产生结果：
致此结束，到这里本作者终于淦完。
最后总结一下：
在这两日学习，这两日的复现让我真的学习到很多知识和接触很多，对此非常感谢mindspore官方提供的学习机会。
此上如有不足之处，望您指正。
