diff --git a/docs/mindspore/migration_guide/source_en/use_third_party_op.md b/docs/mindspore/migration_guide/source_en/use_third_party_op.md index 4eff6d29f427ad628b9fca4d9cbbd2250f0b97c9..f0560f938c24553f9d4cd3625aa892434d746675 100644 --- a/docs/mindspore/migration_guide/source_en/use_third_party_op.md +++ b/docs/mindspore/migration_guide/source_en/use_third_party_op.md @@ -1,6 +1,6 @@ # Use Third-Party Operators by Custom Operators - + ## Overview diff --git a/docs/mindspore/migration_guide/source_zh_cn/preparation.ipynb b/docs/mindspore/migration_guide/source_zh_cn/preparation.ipynb new file mode 100644 index 0000000000000000000000000000000000000000..70d80a523ce56b0adb3ecdac95cfb0faa340d032 --- /dev/null +++ b/docs/mindspore/migration_guide/source_zh_cn/preparation.ipynb @@ -0,0 +1,103 @@ +{ + "cells": [ + { + "cell_type": "markdown", + "id": "b59535fb", + "metadata": {}, + "source": [ + "# 准备工作\n", + "\n", + "[![下载Notebook](https://gitee.com/mindspore/docs/raw/master/resource/_static/logo_notebook.png)](https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/master/migration_guide/zh_cn/mindspore_preparation.ipynb) [![下载样例代码](https://gitee.com/mindspore/docs/raw/master/resource/_static/logo_download_code.png)](https://obs.dualstack.cn-north-4.myhuaweicloud.com/mindspore-website/notebook/master/migration_guide/zh_cn/mindspore_preparation.py) [![查看源文件](https://gitee.com/mindspore/docs/raw/master/resource/_static/logo_source.png)](https://gitee.com/mindspore/docs/blob/master/docs/mindspore/migration_guide/source_zh_cn/preparation.ipynb)\n", + "\n", + "## 概述\n", + "\n", + "在进行网络开发或网络迁移工作之前，首先需要安装MindSpore，并掌握机器学习的相关知识。用户可以选择购买《深度学习与MindSpore实践》一书来了解相关知识，通过访问[MindSpore官网](https://www.mindspore.cn)了解MindSpore的用法。\n", + "\n", + "## 安装MindSpore\n", + "\n", + "参考如下表格确定系统的发行版本、架构（X86或Arm）及Python版本。\n", + "\n", + "|系统|查询内容| 查询命令\n", + "|:----|:----|:----\n", + "|Linux|系统发行版本| `cat /proc/version`\n", + "|Linux|系统架构| `uname -a`\n", + "|Linux|Python版本| `python3`\n", + "\n", + "根据自己使用的操作系统及计算硬件，选择对应的MindSpore版本，通过Pip、Conda、Docker或源码编译等方式安装MindSpore，推荐访问[MindSpore安装页面](https://www.mindspore.cn/install)，并参考该网站指导完成安装。\n", + "\n", + "## MindSpore验证\n", + "\n", + "安装完成MindSpore后可以运行以下命令（以MindSpore r1.6版本为例），测试MindSpore是否安装完成。" + ] + }, + { + "cell_type": "code", + "execution_count": 1, + "id": "be72fc1e", + "metadata": { + "ExecuteTime": { + "end_time": "2022-03-07T06:36:12.928105Z", + "start_time": "2022-03-07T06:36:10.636638Z" + } + }, + "outputs": [ + { + "name": "stdout", + "output_type": "stream", + "text": [ + "MindSpore version: 1.6.0\n", + "The result of multiplication calculation is correct, MindSpore has been installed successfully!\n" + ] + } + ], + "source": [ + "import mindspore\n", + "\n", + "mindspore.run_check()" + ] + }, + { + "cell_type": "markdown", + "id": "36e8d603", + "metadata": {}, + "source": [ + "## 知识准备\n", + "\n", + "### MindSpore编程指南\n", + "\n", + "用户可以通过参考[MindSpore教程](https://www.mindspore.cn/docs/programming_guide/zh-CN/master/index.html)了解如何使用MindSpore进行训练、调试、调优、推理；也可以通过参考[MindSpore编程指南](https://www.mindspore.cn/docs/programming_guide/zh-CN/master/index.html)了解MindSpore的基本组成和常用编程方法；也可以通过参考[MindSpore Python API](https://www.mindspore.cn/docs/api/zh-CN/master/index.html)详细了解MindSpore各接口的相关信息，以便于用户能够更好地使用。\n", + "\n", + "### ModelZoo和Hub\n", + "\n", + "[ModelZoo](https://gitee.com/mindspore/models/tree/master)是MindSpore与社区共同提供的深度优化的模型集市，向开发者提供了深度优化的模型，以便于生态中的小伙伴可以方便地基于ModelZoo中的模型进行个性化开发。当前已经覆盖了机器视觉、自然语言处理、语音、推荐系统等多个领域的主流模型。\n", + "\n", + "[mindspore Hub](https://www.mindspore.cn/resources/hub)是存放MindSpore官方或者第三方开发者提供的预训练模型的平台。它向应用开发者提供了简单易用的模型加载和微调API，使得用户可以基于预训练模型进行推理或者微调，并部署到自己的应用中。用户也可以将自己训练好的模型按照指定的步骤[发布模型](https://www.mindspore.cn/hub/docs/zh-CN/master/publish_model.html)到MindSpore Hub中，供其他用户下载和使用。\n", + "\n", + "### 云上训练\n", + "\n", + "ModelArts是华为云提供的面向AI开发者的一站式开发平台，集成了昇腾AI处理器资源池，用户可以在该平台下体验MindSpore。相关文档可参考[云上使用MindSpore](https://www.mindspore.cn/docs/programming_guide/zh-CN/master/use_on_the_cloud.html)和[AI开发平台ModelArts](https://support.huaweicloud.com/wtsnew-modelarts/index.html)。" + ] + } + ], + "metadata": { + "kernelspec": { + "display_name": "MindSpore", + "language": "python", + "name": "mindspore" + }, + "language_info": { + "codemirror_mode": { + "name": "ipython", + "version": 3 + }, + "file_extension": ".py", + "mimetype": "text/x-python", + "name": "python", + "nbconvert_exporter": "python", + "pygments_lexer": "ipython3", + "version": "3.7.5" + } + }, + "nbformat": 4, + "nbformat_minor": 5 +} diff --git a/docs/mindspore/migration_guide/source_zh_cn/preparation.md b/docs/mindspore/migration_guide/source_zh_cn/preparation.md deleted file mode 100644 index aff695dc56cc3a7a197dde24737e4760b52ed5ed..0000000000000000000000000000000000000000 --- a/docs/mindspore/migration_guide/source_zh_cn/preparation.md +++ /dev/null @@ -1,123 +0,0 @@ -# 准备工作 - - - -## 概述 - -在进行网络开发或网络迁移工作之前，首先需要安装MindSpore，并掌握机器学习的相关知识。用户可以选择购买《深度学习与MindSpore实践》一书来了解相关知识，通过访问[MindSpore官网](https://www.mindspore.cn)了解MindSpore的用法。 - -## 安装MindSpore - -MindSpore支持在Ascend、CPU、GPU环境安装并使用，支持EulerOS-arm、CentOS-arm、CentOS-x86、Ubuntu-arm、Ubuntu-x86、Windows-X86操作系统，可访问[MindSpore安装页面](https://www.mindspore.cn/install)下载MindSpore安装包，并参考该网站指导完成安装。 - -### 使用pip安装 - -从官网下载MindSpore安装包后，得到`mindspore_{device}-{version}-{python_version}-{os}_{arch}.whl`文件，请使用pip安装。 - -```bash -pip install mindspore_{device}-{version}-{python_version}-{os}_{arch}.whl -``` - -- `{python_version}`表示用户的Python版本，Python版本为3.7.5时，`{python_version}`应写为`cp37-cp37m`。Python版本为3.9.0时，则写为`cp39-cp39`。 -- `{os}`表示操作系统，如`linux`或`win`。 -- `{arch}`表示系统架构，如`x86_64`或`amd64`。 - -若环境已安装旧版本MindSpore，当前需要更新MindSpore，请在安装前卸载旧版本。 - -### 使用源码安装 - -访问[MindSpore代码仓](https://gitee.com/mindspore/mindspore)，使用`git clone https://gitee.com/mindspore/mindspore.git`下载MindSpore源码，源码根目录下的`build.sh`文件提供了多个备选参数，用于选择定制MindSpore服务，一般通过以下命令编译MindSpore。 - -```bash -cd mindspore -bash build.sh -e cpu -j{thread_num} # cpu环境 -bash build.sh -e ascend -j{thread_num} # Ascend环境 -bash build.sh -e gpu -j{thread_num} # gpu环境 -``` - -编译成功后，在`output`目录下会生成MindSpore安装包，然后使用 **pip安装** 或 **将当前目录添加到PYTHONPATH** 的方式使用源码编译的结果。 - -> 使用pip安装的优点在于能够快速上手，方便快捷。 -> -> 使用源码安装可以定制MindSpore服务，并可以切换到任意commit_id编译并使用MindSpore。 - -### 设置环境变量（仅用于Ascend环境） - -```bash -# control log level. 0-DEBUG, 1-INFO, 2-WARNING, 3-ERROR, 4-CRITICAL, default level is WARNING. -export GLOG_v=2 - -# Conda environmental options -LOCAL_ASCEND=/usr/local/Ascend # the root directory of run package - -# lib libraries that the run package depends on -export LD_LIBRARY_PATH=${LOCAL_ASCEND}/ascend-toolkit/latest/fwkacllib/lib64:${LOCAL_ASCEND}/driver/lib64:${LOCAL_ASCEND}/opp/op_impl/built-in/ai_core/tbe/op_tiling:${LD_LIBRARY_PATH} - -# Environment variables that must be configured -export TBE_IMPL_PATH=${LOCAL_ASCEND}/ascend-toolkit/latest/opp/op_impl/built-in/ai_core/tbe # TBE operator implementation tool path -export ASCEND_OPP_PATH=${LOCAL_ASCEND}/ascend-toolkit/latest/opp # OPP path -export PATH=${LOCAL_ASCEND}/ascend-toolkit/latest/fwkacllib/ccec_compiler/bin/:${PATH} # TBE operator compilation tool path -export PYTHONPATH=${TBE_IMPL_PATH}:${PYTHONPATH} # Python library that TBE implementation depends on -``` - -### MindSpore验证 - -若以下命令能正常执行成功并退出，说明安装成功。 - -对于CPU环境： - -```python -import numpy as np -from mindspore import Tensor -import mindspore.ops as ops -import mindspore.context as context - -context.set_context(device_target="CPU") -x = Tensor(np.ones([1,3,3,4]).astype(np.float32)) -y = Tensor(np.ones([1,3,3,4]).astype(np.float32)) -print(ops.add(x, y)) -``` - -对于Ascend环境： - -```python -import numpy as np -from mindspore import Tensor -import mindspore.ops as ops -import mindspore.context as context - -context.set_context(device_target="Ascend") -x = Tensor(np.ones([1,3,3,4]).astype(np.float32)) -y = Tensor(np.ones([1,3,3,4]).astype(np.float32)) -print(ops.add(x, y)) -``` - -对于GPU环境： - -```python -import numpy as np -from mindspore import Tensor -import mindspore.ops as ops -import mindspore.context as context - -context.set_context(device_target="GPU") -x = Tensor(np.ones([1,3,3,4]).astype(np.float32)) -y = Tensor(np.ones([1,3,3,4]).astype(np.float32)) -print(ops.add(x, y)) -``` - -## 知识准备 - -### MindSpore编程指南 - -用户可以通过参考[MindSpore教程](https://www.mindspore.cn/docs/programming_guide/zh-CN/master/index.html)了解如何使用MindSpore进行训练、调试、调优、推理；也可以通过参考[MindSpore编程指南](https://www.mindspore.cn/docs/programming_guide/zh-CN/master/index.html)了解MindSpore的基本组成和常用编程方法；也可以通过参考[MindSpore Python API](https://www.mindspore.cn/docs/api/zh-CN/master/index.html)详细了解MindSpore各接口的相关信息，以便于用户能够更好地使用。 - -### ModelZoo和Hub - -[ModelZoo](https://gitee.com/mindspore/models/tree/master)是MindSpore与社区共同提供的深度优化的模型集市，向开发者提供了深度优化的模型，以便于生态中的小伙伴可以方便地基于ModelZoo中的模型进行个性化开发。当前已经覆盖了机器视觉、自然语言处理、语音、推荐系统等多个领域的主流模型。 - -[mindspore Hub](https://www.mindspore.cn/resources/hub)是存放MindSpore官方或者第三方开发者提供的预训练模型的平台。它向应用开发者提供了简单易用的模型加载和微调API，使得用户可以基于预训练模型进行推理或者微调，并部署到自己的应用中。用户也可以将自己训练好的模型按照指定的步骤[发布模型](https://www.mindspore.cn/hub/docs/zh-CN/master/publish_model.html)到MindSpore Hub中，供其他用户下载和使用。 - -### 云上训练 - -ModelArts是华为云提供的面向AI开发者的一站式开发平台，集成了昇腾AI处理器资源池，用户可以在该平台下体验MindSpore。相关文档可参考[云上使用MindSpore](https://www.mindspore.cn/docs/programming_guide/zh-CN/master/use_on_the_cloud.html)和[AI开发平台ModelArts](https://support.huaweicloud.com/wtsnew-modelarts/index.html)。