PyTorch训练

环境准备

安装PyTorch框架及混合精度模块，详情请参见《PyTorch 网络模型迁移和训练》的“环境准备”章节。

配置环境变量

1. 以运行用户登录，在任意目录下执行vi ~/.bashrc命令，打开.bashrc文件，在文件最后一行后面添加以下内容（以非root用户的默认安装路径为例）。

   # Ascend-cann-toolkit环境变量（请根据实际路径修改）
   source ~/Ascend/ascend-toolkit/set_env.sh
   
   # pytorch环境变量（请根据实际路径修改）
   export LD_LIBRARY_PATH=~/.local/lib/python3.7/site-packages/torch/lib:$LD_LIBRARY_PATH

2. 执行:wq!命令保存文件并退出。
3. 执行source ~/.bashrc命令使其立即生效。

操作步骤

以下为创建基于“ResNet-50 for PyTorch”模板样例的训练工程总体步骤，用户在操作过程中如需详细了解工程信息及相关弹出窗口，请参见操作步骤。

1. 单击界面左侧“Ascend Training”，新建Ascend Training工程，如图1所示。
   图1 创建工程界面
   

2. 训练工程选择界面如图1，选择“CANN Version”和“Samples”下的“ResNet-50 for PyTorch”模板。
3. 单击“Next”配置训练工程其他信息，参数解释请参见创建训练工程。
4. 单击“Finish”完成训练工程的创建。
   

   首次创建该样例工程时，工具会下载样例工程模板，请确保所在的设备为联网状态，否则无法进行后续操作。

5. 选择“ResNet-50 for PyTorch”模板样例后工程界面如图2所示。
   图2 模板工程界面
   
   

   在Windows系统环境下创建训练样例工程时若出现报错“Unzip failed. There is probleam occurred when unzipping file.”请参见在Windows系统环境下创建训练样例工程时报错“Unzip failed. There is probleam occurred when unzipping file.”解决。

6. 在工程界面左侧目录找到“run_xx.sh”文件，将环境准备中训练集和验证集图片的路径配置到文件内的“data”字段下，如图3所示。
   图3 配置数据集路径
   
   

   MindStudio基于PyTorch框架的ResNet50模板是在训练脚本的代码中设定了训练参数，如需自定义训练参数，则需自行学习PyTorch框架代码。

7. 配置运行参数并运行。
   1. 单击训练工程界面“Run > Edit Configurations...”或单击图4所示菜单中的“Edit Configurations...”，进入运行配置界面。
      图4 快捷方式进入运行配置界面
      
   2. 配置训练参数，如图5所示。
      图5 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1所示。

      表1 训练工程运行信息

      参数	参数说明	示例
      Name	工程名称，用户自行配置。 例如：MyTraining3。	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。	Local Run。
      Deployment	运行配置。	通过Deploy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。 本样例运行环境选择为本地，即Run mode选择为Local Run，故此项参数不显示。
      Executable	训练工程中的执行入口文件。 例如：run_1p.sh。	-
      Command Arguments	训练工程执行参数，可选参数。	根据实际自行配置。
      Environment Variables	训练工程环境变量，可选参数。	根据实际自行配置。

   3. 单击“OK”完成训练工程信息的创建。
   4. 单击工程界面“Run > Run 'MyTraining1'”或单击图6所示菜单，执行训练。
      图6 快捷方式执行训练
      

      训练过程如图7所示。

      图6 训练过程展示
      
   5. 训练完成后，生成的模型文件位于工程文件中的“result/”目录。