【Document Link】/【文档链接】lenet模型指导文档
【Issues Section】/【问题文档片段】
#进入脚本目录,训练LeNet
bash run_standalone_train_cpu.sh [DATA_PATH] [CKPT_SAVE_PATH]
【Existing Issues】/【存在的问题】
执行该命令后报错,错误日志如下:
{'enable_modelarts': 'Whether training on modelarts, default: False', 'data_url': 'Dataset url for obs', 'train_url': 'Training output url for obs', 'data_path': 'Dataset path for local', 'output_path': 'Training output path for local', 'device_target': 'Target device type', 'enable_profiling': 'Whether enable profiling while training, default: False', 'file_name': 'output file name.', 'file_format': 'file format', 'result_path': 'result files path.', 'img_path': 'image file path.'}
{'air_name': 'lenet',
'batch_size': 32,
'buffer_size': 1000,
'checkpoint_url': '',
'ckpt_file': '/cache/train/checkpoint_lenet-10_1875.ckpt',
'ckpt_path': 'ckpt/',
'config_path': '/home/zest/workspace/models/research/cv/lenet/src/model_utils/../../default_config.yaml',
'data_path': 'Data/',
'data_url': '',
'dataset_name': 'mnist',
'dataset_sink_mode': True,
'device_id': 0,
'device_target': 'CPU',
'enable_modelarts': False,
'enable_profiling': False,
'epoch_size': 10,
'file_format': 'MINDIR',
'file_name': 'lenet',
'image_height': 32,
'image_width': 32,
'img_path': '',
'keep_checkpoint_max': 10,
'learning_rate': 0.002,
'load_path': '/cache/checkpoint_path',
'lr': 0.01,
'model_name': 'lenet',
'momentum': 0.9,
'num_classes': 10,
'output_path': '/cache/train',
'result_path': '',
'save_checkpoint': True,
'save_checkpoint_epochs': 2,
'save_checkpoint_steps': 1875,
'sink_size': -1,
'train_url': ''}
Please check the above information for the configurations
Traceback (most recent call last):
File "/home/zest/workspace/models/research/cv/lenet/scripts/../train.py", line 31, in
from mindspore.train.metrics import Accuracy
ModuleNotFoundError: No module named 'mindspore.train.metrics'
我这边的预置的操作如下:
A.操作系统:wsl Ubuntu18.04 x86_64
B.已通过mindspore官网,选择了 版本:1.9.0,硬件平台:CPU 操作系统:Linux-x86_64 编程语言Python3.7 安装方式 Conda;通过conda方式 自动安装mindspore 1.9.0版本
且执行 python -c "import mindspore;mindspore.run_check()" 显示版本信息如下:
MindSpore version: 1.9.0
The result of multiplication calculation is correct, MindSpore has been installed successfully!
C.我在执行train.py 脚本时,已 执行conda activate mindspore_py37 激活了虚拟环境
D.我在 research/cv/lenet 目录下新建了Data目录,和ckpt目录,并按照要求从该网址下载了数据,并放入对应文件夹下,Data目录下tree命令执行结果如下:
.
├── test
│ ├── t10k-images-idx3-ubyte
│ └── t10k-labels-idx1-ubyte
└── train
├── train-images-idx3-ubyte
└── train-labels-idx1-ubyte
E:然后我执行了该命令:bash scripts/run_standalone_train_cpu.sh Data/ ckpt/
F:然后工程目录下新增了一个log.txt 文件,文件内容就是我复制到上面的错误信息
Please assign maintainer to check this issue.
请为此issue分配处理人。
@fangwenyi @chengxiaoli
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。
Please add labels (comp or sig), also you can visit https://gitee.com/mindspore/community/blob/master/sigs/dx/docs/labels.md to find more.
为了让代码尽快被审核,请您为Pull Request打上 组件(comp)或兴趣组(sig) 标签,打上标签的PR可直接推送给责任人进行审核。
更多的标签可以查看https://gitee.com/mindspore/community/blob/master/sigs/dx/docs/labels.md
以组件相关代码提交为例,如果你提交的是data组件代码,你可以这样评论:
//comp/data
当然你也可以邀请data SIG组来审核代码,可以这样写:
//sig/data
另外你还可以给这个PR标记类型,例如是bugfix或者是特性需求:
//kind/bug or //kind/feature
恭喜你,你已经学会了使用命令来打标签,接下来就在下面的评论里打上标签吧!
您好,请问可以再发一下文档链接吗,“lenet模型指导文档”这个链接打不开
用户未回复,关闭issue
登录 后才可以发表评论