MindSpore LSTM 快入
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