MindSpore LSTM QuickStart

MindSpore 框架

引用老師木文章深度學習框架的靈魂，“Mindspore 個人帶來了驚喜，在衆所周知的難題上勇闖無人區，auto-parallel完成度很高，數據並行，模型並行和混合並行。”

LSTM 運行

安裝命令

爲了運行LSTM，需要安裝MindSpore最新的0.3.0版本，通過官網mindspore獲取安裝方法，下面是我個人選擇的環境獲取的安裝命令。

GPU環境獲取

GPU環境5.30第二期課程爲大家提供了矩池雲時長卡8小時，申請使用很方便，我選用了公開鏡像Keras 2.3.1 & TensorFlow 2.1.0 因爲預裝了Python3.7，CUDA10.1， cuDNN 7.6.5。

雲端運行

SSH鏈接登錄matpool，安裝mindspore 0.3.0 與 gensim

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/0.3.0-alpha/MindSpore/gpu/ubuntu_x86/cuda-10.1/mindspore_gpu-0.3.0-cp37-cp37m-linux_x86_64.whl

pip install gensim

gitee 下載源代碼並進入lstm目錄，可以一波三連擊watch，star，fork

git clone https://gitee.com/mindspore/mindspore 

cd mindspore/example/lstm_aclImdb/

下載數據 allmdb_v1 與 GloVe.6B 解壓到lstm_aclImdb文件夾中

unzip glove.6B.zip -d ./glove

tar -xvzf aclImdb_v1.tar.gz

執行訓練程序存在錯誤，參考使用Mindspore 0.3運行lstm_aclImdb修改數據

python -m gensim.scripts.glove2word2vec --input  ./glove/glove.6B.300d.txt --output ./glove/glove.6B.300d.w2vformat.txt
mv glove/glove.6B.300d.w2vformat.txt glove/glove.6B.300d.txt

再次執行訓練程序

python train.py --preprocess=true --aclimdb_path=./aclImdb --glove_path=./glove --ckpt_path=./ckpt

預處理有一段時間，然後就開始訓練了，訓練完成後可以執行驗證程序

python eval.py --ckpt_path=./ckpt/lstm-20_390.ckpt