在云上使用MindSpore

Linux Ascend 全流程 初级 中级 高级

概述

ModelArts是华为云提供的面向开发者的一站式AI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。

本教程以ResNet-50为例，简要介绍如何在ModelArts使用MindSpore完成训练任务。

准备工作

ModelArts使用准备

参考ModelArts教程“准备工作”一栏，完成账号注册、ModelArts配置和创建桶的准备工作。

ModelArts教程链接：https://support.huaweicloud.com/wtsnew-modelarts/index.html。页面提供了较丰富的ModelArts教程，参考“准备工作”部分完成ModelArts准备工作。

拥有云上昇腾AI处理器资源

确保你的账号已拥有ModelArts华为云昇腾集群服务公测资格，可在这里提交申请。

数据准备

ModelArts使用对象存储服务（Object Storage Service，简称OBS）进行数据存储，因此，在开始训练任务之前，需要将数据上传至OBS。本示例使用CIFAR-10二进制格式数据集。

下载CIFAR-10数据集并解压。

CIFAR-10数据集下载页面：http://www.cs.toronto.edu/~kriz/cifar.html。页面提供3个数据集下载链接，本示例使用CIFAR-10 binary version。

新建一个自己的OBS桶（例如：ms-dataset），在桶中创建数据目录（例如：cifar-10），将CIFAR-10数据按照如下结构上传至数据目录。

└─对象存储/ms-dataset/cifar-10
    ├─train
    │      data_batch_1.bin
    │      data_batch_2.bin
    │      data_batch_3.bin
    │      data_batch_4.bin
    │      data_batch_5.bin
    │
    └─eval
        test_batch.bin

执行脚本准备

新建一个自己的OBS桶（例如：resnet50-train），在桶中创建代码目录（例如：resnet50_cifar10_train），并将以下目录中的所有脚本上传至代码目录：

https://gitee.com/mindspore/docs/tree/r1.0/tutorials/tutorial_code/sample_for_cloud/脚本使用ResNet-50网络在CIFAR-10数据集上进行训练，并在训练结束后验证精度。脚本可以在ModelArts采用1*Ascend或8*Ascend两种不同规格进行训练任务。

为了方便后续创建训练作业，先创建训练输出目录和日志输出目录，本示例创建的目录结构如下：

└─对象存储/resnet50-train
    ├─resnet50_cifar10_train
    │      dataset.py
    │      resnet50_train.py
    │
    ├─output
    └─log

通过简单适配将MindSpore脚本运行在ModelArts

“执行脚本准备”章节提供的脚本可以直接运行在ModelArts，想要快速体验ResNet-50训练CIFAR-10可以跳过本章节。如果需要将自定义MindSpore脚本或更多MindSpore示例代码在ModelArts运行起来，需要参考本章节对MindSpore代码进行简单适配。

适配脚本参数

在ModelArts运行的脚本必须配置data_url和train_url，分别对应数据存储路径(OBS路径)和训练输出路径(OBS路径)。

import argparse

parser = argparse.ArgumentParser(description='ResNet-50 train.')
parser.add_argument('--data_url', required=True, default=None, help='Location of data.')
parser.add_argument('--train_url', required=True, default=None, help='Location of training outputs.')

ModelArts界面支持向脚本中其他参数传值，在下一章节“创建训练作业”中将会详细介绍。
```
parser.add_argument('--epoch_size', type=int, default=90, help='Train epoch size.')
```

适配OBS数据

MindSpore暂时没有提供直接访问OBS数据的接口，需要通过MoXing提供的API与OBS交互。ModelArts训练脚本在容器中执行，通常选用/cache目录作为容器数据存储路径。

华为云MoXing提供了丰富的API供用户使用https://github.com/huaweicloud/ModelArts-Lab/tree/master/docs/moxing_api_doc，本示例中仅需要使用copy_parallel接口。

将OBS中存储的数据下载至执行容器。

import moxing as mox
mox.file.copy_parallel(src_url='s3://dataset_url/', dst_url='/cache/data_path')

将训练输出从容器中上传至OBS。

import moxing as mox
mox.file.copy_parallel(src_url='/cache/output_path', dst_url='s3://output_url/')

适配8卡训练任务

如果需要将脚本运行在8*Ascend规格的环境上，需要对创建数据集的代码和本地数据路径进行适配，并配置分布式策略。通过获取DEVICE_ID和RANK_SIZE两个环境变量，用户可以构建适用于1*Ascend和8*Ascend两种不同规格的训练脚本。

本地路径适配。

import os

device_num = int(os.getenv('RANK_SIZE'))
device_id = int(os.getenv('DEVICE_ID'))
# define local data path
local_data_path = '/cache/data'

if device_num > 1:
    # define distributed local data path
    local_data_path = os.path.join(local_data_path, str(device_id))

数据集适配。

import os
import mindspore.dataset.engine as de

device_id = int(os.getenv('DEVICE_ID'))
device_num = int(os.getenv('RANK_SIZE'))
if device_num == 1:
    # create train data for 1 Ascend situation
    ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True)
else:
    # create train data for 1 Ascend situation, split train data for 8 Ascend situation
    ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True,
                           num_shards=device_num, shard_id=device_id)

配置分布式策略。

import os
from mindspore import context
from mindspore.context import ParallelMode

device_num = int(os.getenv('RANK_SIZE'))
if device_num > 1:
    context.set_auto_parallel_context(device_num=device_num,
                                      parallel_mode=ParallelMode.DATA_PARALLEL,
                                      gradients_mean=True)

示例代码

结合以上三点对MindSpore脚本进行简单适配，以下述伪代码为例：

原始MindSpore脚本：

import os
import argparse
from mindspore import context
from mindspore.context import ParallelMode
import mindspore.dataset.engine as de

device_id = int(os.getenv('DEVICE_ID'))
device_num = int(os.getenv('RANK_SIZE'))

def create_dataset(dataset_path):
    if device_num == 1:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True)
    else:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True,
                               num_shards=device_num, shard_id=device_id)
    return ds

def resnet50_train(args_opt):
    if device_num > 1:
        context.set_auto_parallel_context(device_num=device_num,
                                          parallel_mode=ParallelMode.DATA_PARALLEL,
                                          gradients_mean=True)
    train_dataset = create_dataset(local_data_path)

if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='ResNet-50 train.')
    parser.add_argument('--local_data_path', required=True, default=None, help='Location of data.')
    parser.add_argument('--epoch_size', type=int, default=90, help='Train epoch size.')

    args_opt, unknown = parser.parse_known_args()

    resnet50_train(args_opt)

适配后的MindSpore脚本：

import os
import argparse
from mindspore import context
from mindspore.context import ParallelMode
import mindspore.dataset.engine as de

# adapt to cloud: used for downloading data
import moxing as mox

device_id = int(os.getenv('DEVICE_ID'))
device_num = int(os.getenv('RANK_SIZE'))

def create_dataset(dataset_path):
    if device_num == 1:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True)
    else:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True,
                               num_shards=device_num, shard_id=device_id)
    return ds

def resnet50_train(args_opt):
    # adapt to cloud: define local data path
    local_data_path = '/cache/data'

    if device_num > 1:
        context.set_auto_parallel_context(device_num=device_num,
                                          parallel_mode=ParallelMode.DATA_PARALLEL,
                                          gradients_mean=True)
        # adapt to cloud: define distributed local data path
        local_data_path = os.path.join(local_data_path, str(device_id))

    # adapt to cloud: download data from obs to local location
    print('Download data.')
    mox.file.copy_parallel(src_url=args_opt.data_url, dst_url=local_data_path)

    train_dataset = create_dataset(local_data_path)

if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='ResNet-50 train.')
    # adapt to cloud: get obs data path
    parser.add_argument('--data_url', required=True, default=None, help='Location of data.')
    # adapt to cloud: get obs output path
    parser.add_argument('--train_url', required=True, default=None, help='Location of training outputs.')
    parser.add_argument('--epoch_size', type=int, default=90, help='Train epoch size.')
    args_opt, unknown = parser.parse_known_args()

    resnet50_train(args_opt)

创建训练任务

准备好数据和执行脚本以后，需要创建训练任务将MindSpore脚本真正运行起来。首次使用ModelArts的用户可以根据本章节了解ModelArts创建训练作业的流程。

本章节以MindSpore 0.5.0-beta版本为例。ModelArts支持的MindSpore版本以创建训练作业时”算法来源”->”常用框架”->”AI引擎”可选择的版本为准。

进入ModelArts控制台

打开华为云ModelArts主页https://www.huaweicloud.com/product/modelarts.html，点击该页面的“进入控制台”。

使用常用框架创建训练作业

ModelArts教程https://support.huaweicloud.com/engineers-modelarts/modelarts_23_0238.html展示了如何使用常用框架创建训练作业。

使用MindSpore作为常用框架创建训练作业

以本教程使用的训练脚本和数据为例，详细列出在创建训练作业界面如何进行配置：

算法来源选择常用框架 > Ascend-Powered-Engine > MindSpore-0.5-python3.7-aarch64。
代码目录选择预先在OBS桶中创建代码目录，启动文件选择代码目录下的启动脚本。
数据来源选择数据存储位置，并填入OBS中CIFAR-10数据集的位置。
运行参数：数据存储位置和训练输出位置分别对应运行参数data_url和train_url，选择增加运行参数可以向脚本中其他参数传值，如epoch_size。
资源池选择公共资源池 > Ascend。
资源池 > 规格选择Ascend: 1 * Ascend 910 CPU：24 核 96GiB或Ascend: 8 * Ascend 910 CPU：192 核 768GiB，分别表示单机单卡和单机8卡规格。

使用MindSpore作为常用框架创建训练作业，如下图所示。

训练作业参数

训练作业规格

查看运行结果

在训练作业界面可以查看运行日志

采用8*Ascend规格执行ResNet-50训练任务，epoch总数为92，精度约为92%，每秒训练图片张数约12000，日志如下图所示。

采用1*Ascend规格执行ResNet-50训练任务。epoch总数为92，精度约为95%，每秒训练图片张数约1800，日志如下图所示。
如果创建训练作业时指定了日志路径，可以从OBS下载日志文件并查看。