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
|
2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。
|
5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
Darknet19详细原理(含tensorflow版源码)
Darknet19详细原理(含tensorflow版源码)—— 猫狗分类
170 0
Darknet19详细原理(含tensorflow版源码)
|
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)
181 0
LeNet5详细原理(含tensorflow版源码)
|
机器学习/深度学习 TensorFlow 算法框架/工具
AlexNet8详细原理(含tensorflow版源码)
AlexNet8详细原理(含tensorflow版源码)
96 0
AlexNet8详细原理(含tensorflow版源码)
|
XML 人工智能 TensorFlow
OpenVINO运行Tensorflow模型
OpenVINO运行Tensorflow模型
OpenVINO运行Tensorflow模型
|
人工智能 算法 Ubuntu
MobileNet实战:tensorflow2.X版本,MobileNetV2图像分类任务(大数据集)
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有12种类别,今天我和大家一起实现tensorflow2.X版本图像分类任务,分类的模型使用MobileNetV2。本文实现的算法有一下几个特点: 1、自定义了图片加载方式,更加灵活高效,不用将图片一次性加载到内存中,节省内存,适合大规模数据集。 2、加载模型的预训练权重,训练时间更短。 3、数据增强选用albumentations。
222 0
MobileNet实战:tensorflow2.X版本,MobileNetV2图像分类任务(大数据集)
|
Ubuntu TensorFlow 算法框架/工具
MobileNet实战:tensorflow2.X版本,MobileNetV2图像分类任务(小数据集)
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有12种类别,今天我和大家一起实现tensorflow2.X版本图像分类任务,分类的模型使用MobileNetV2,MobileNetV2在MobileNetV1的基础上增加了线性瓶颈(Linear Bottleneck)和倒残差(Inverted Residual)是一种轻量级的网络,适合应用在真实的移动端应用场景。
362 0
MobileNet实战:tensorflow2.X版本,MobileNetV2图像分类任务(小数据集)
|
人工智能 算法 Ubuntu
MobileNet实战:tensorflow2.X版本,MobileNetV1图像分类任务(大数据集)
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有12种类别,今天我和大家一起实现tensorflow2.X版本图像分类任务,分类的模型使用MobileNetV1。本文实现的算法有一下几个特点: 1、自定义了图片加载方式,更加灵活高效,不用将图片一次性加载到内存中,节省内存,适合大规模数据集。 2、加载模型的预训练权重,训练时间更短。 3、数据增强选用albumentations。
153 0
MobileNet实战:tensorflow2.X版本,MobileNetV1图像分类任务(大数据集)
|
机器学习/深度学习 TensorFlow 算法框架/工具
《30天吃掉那只 TensorFlow2.0》 一、TensorFlow的建模流程
《30天吃掉那只 TensorFlow2.0》 一、TensorFlow的建模流程
《30天吃掉那只 TensorFlow2.0》 一、TensorFlow的建模流程