创建训练工程

当前支持以MindSpore、TensorFlow和PyTorch训练框架为模板创建训练工程。

进入训练工程创建界面，训练工程界面如图1所示。
- MindStudio欢迎界面：单击“New Project”，进入创建工程界面。
- MindStudio工程界面：在顶部菜单栏中选择“File > New > Project...”，进入创建工程界面。
  图1 创建工程界面

创建训练工程。

在左侧导航栏选择“Ascend Training”，如图1所示。
1. 在右侧界面选择“CANN Version”。
2. 选择“Templates”下不同框架工程或选择“Samples”下内置样例，这里选择的为“Templates”下的框架工程。
  
  当选择“Templates”下的工程时，需要导入或自行编写训练脚本，若为NPU训练脚本，可直接进行模型训练；若为GPU训练脚本，需要将脚本通过分析迁移转换为NPU训练脚本，再进行模型训练；当选择“Samples”下的NPU训练工程样例时，可直接进行模型训练。

单击“Next”，配置训练工程其他信息，参数说明如表1所示。

表1 工程参数说明
参数	说明
Project name	工程名称，自行配置。名称开头和结尾必须是数字或字母。只能包含字母、数字、中划线和下划线，且长度不超过64个字符。
Project location	工程默认保存路径，用户可自定义。（对于首次使用MindStudio的用户，该项默认为“$HOME/MindstudioProjects”。）
More settings	“Module name”：模块名，默认与“Project name”一致。
	“Content root”：根目录下路径。
	“Module file location”：模块文件路径。
	单击“Project format”右侧选框，出现下拉菜单。 .idea（directory-based）：创建项目的时候创建一个.idea的项目录来保存项目的信息，默认选项。 .ipr（file-based）：项目配置文件来保存项目的配置信息。

单击“Finish”完成训练工程的创建。
若工作窗口已打开其他工程，会出现确认提示。
- 选择“This Window”，则直接在当前工作窗口打开新创建的工程。
- 选择“New Window”，则新建一个工作窗口打开新创建的工程。

查看训练工程目录结构和主要文件，请以实际创建结果为准。

├── .idea
├── data                                  //数据集目录，需用自行创建
├── .project                                 //工程信息文件，包含工程类型、工程描述、运行目标设备类型以及CANN版本
├── train.py                                //训练脚本文件，为空文件，用户在这里编写训练脚本
├── MyTraining.iml

导入训练工程

如果已有训练工程，则无需新建训练工程，可直接通过MindStudio导入，操作如下。

使用MindStudio导入训练工程。
- MindStudio欢迎界面：单击“Open”，选择需要导入的工程，单击“OK”确认导入。
- MindStudio工程界面：在顶部菜单栏中选择“File > Open...”或单击工具栏中的，选择现有工程打开。
  - 如该工程存在代码风险，在打开时会弹出信任窗口。
    
    如该工程源码可被信任且安全，请单击“Trust Project”。（可通过勾选“Trust project in <工作区目录>”复选框信任该目录下的所有工程。）
    
    如该工程不被信任，仅用于查看其中源码，请单击“Preview in Safe Mode”进入安全模式预览。
    
    如放弃打开该工程，请单击“Don't Open”取消工程导入操作。
  - 若导入NPU训练工程，可直接进行模型训练；若导入GPU训练工程，需要将脚本通过分析迁移转换为NPU训练脚本，再进行模型训练。
若工作窗口已打开其他工程，会出现确认提示。
- 选择“This Window”，则直接在当前工作窗口打开新创建的工程。
- 选择“New Window”，则新建一个工作窗口打开新创建的工程。
成功导入工程后，工程目录以树状呈现，请以实际创建结果为准。

运行配置

单击工程界面“Run > Edit Configurations...”或单击图2所示菜单中的“Edit Configurations...” ，进入运行配置界面。

图2 快捷方式进入运行配置界面

配置训练参数。

“Run Mode”若选择“Remote Run”，则配置界面如图3所示。
图3 运行配置界面
“Run Mode”若选择“Local Run”，则配置界面如图4所示。
图4 运行配置界面

在右侧配置训练工程运行信息，配置示例如表2所示。

表2 训练工程运行信息
参数	说明	备注
Name	工程名称，用户自行配置。例如：MyTraining	名称必须以字母开头，数字或字母结尾，只能包含字母、数字、中划线和下划线，且长度不能超过64个字符。
Run Mode	运行环境选择。选择“Remote Run”或“Local Run”，默认为“Remote Run”。	-
Executable	训练工程中的执行入口文件。例如： /data/home/xxx/MindstudioProjects/MyTraining/train.py	-
Deployment	运行配置。选择Remote Run模式时可见，必选配置。	通过Deployment功能，详细请参见Deployment，可以将指定项目中的文件、文件夹同步到远程指定机器的指定目录。
Command Arguments	训练工程执行参数，可选配置。	-
Environment Variables	训练工程环境变量，可选配置。	-

单击“OK”完成训练工程信息的创建。

执行训练

单击工程界面“Run > Run 'MyTraining'”或单击图5所示菜单，执行训练。训练执行过程：连接远端训练机器 > 打包训练工程发布到远端训练机器 > 启动训练工程执行。

图5 快捷方式执行训练
执行训练后，在工程界面底部“Run”窗口显示运行实时信息，如下图：

图6 运行实时信息
如果训练成功，打印训练成功信息。如果训练失败，在工程根目录下的out/reports下生成训练工程的整网支持度报告network_analysis_timestamp.report。报告内容如下：

图7 整网支持度报告

此整网支持度报告是以MindSpore训练框架创建的训练工程，训练失败后在工程根目录下的out/reports下生成的.report文件；以TensorFlow和PyTorch训练框架创建的训练工程，训练失败后生成的.report文件返回至用户自定义的输出路径。

操作步骤

创建训练工程

导入训练工程

运行配置

执行训练