From 83e3da5b6dfd03dcc6fa7c30fd57dd1c6c2cd71d Mon Sep 17 00:00:00 2001 From: xuxinyu Date: Fri, 14 Aug 2020 17:45:07 +0800 Subject: [PATCH] xuxinyu: FAQ modification --- resource/faq/FAQ_zh_cn.md | 177 ++++++++++++++++++++++++-------------- 1 file changed, 114 insertions(+), 63 deletions(-) diff --git a/resource/faq/FAQ_zh_cn.md b/resource/faq/FAQ_zh_cn.md index ddfd3d0f..3dde9b37 100644 --- a/resource/faq/FAQ_zh_cn.md +++ b/resource/faq/FAQ_zh_cn.md @@ -1,35 +1,32 @@ # FAQ - - [FAQ](#faq) - - [安装](#安装) + - [安装类](#安装类) - [pip安装](#pip安装) - [源码编译安装](#源码编译安装) - - [支持](#支持) - - [模型支持](#模型支持) - - [后端支持](#后端支持) - - [系统支持](#系统支持) - - [编程语言扩展](#编程语言扩展) - - [其他](#其他) - - [特性](#特性) - - [能力](#能力) - + - [安装验证](#安装验证) + - [算子支持](#算子支持) + - [网络模型](#网络模型) + - [平台系统](#平台系统) + - [后端运行](#后端运行) + - [编程语言拓展](#编程语言拓展) + - [特性支持](#特性支持) -## 安装 -### pip安装 +## 安装类 -Q：pip安装MindSpore对Python版本是否有特别要求？ +### pip安装 +Q：使用pip安装时报错：`SSL:CERTIFICATE_VERIFY_FATLED`应该怎么办？ -A：MindSpore开发过程中用到了Python3.7+的新特性，因此建议您通过`conda`工具添加Python3.7.5的开发环境。 +A：在pip安装命令后添加参数 `--trusted-host=ms-release.obs.cn-north-4.myhuaweicloud.com`重试即可。
-Q：使用pip安装时报错`SSL: CERTIFICATE_VERIFY_FAILED`，应该怎么办？ +Q：pip安装MindSpore对Python版本是否有特别要求？ -A：在pip安装命令后添加参数`--trusted-host=ms-release.obs.cn-north-4.myhuaweicloud.com`重试即可。 +A：MindSpore开发过程中用到了Python3.7+的新特性，因此建议您通过`conda`工具添加Python3.7.5的开发环境。
@@ -59,7 +56,7 @@ A：第三方依赖库的包默认安装在build/mindspore/.mslib目录下，可 Q：MindSpore要求的配套软件版本与Ubuntu默认版本不一致怎么办？ -A：当前MindSpore只提供版本配套关系，需要您手动进行配套软件的安装升级。（**注明**：MindSpore要求Python3.7.5和gcc7.3，Ubuntu 16.04默认为Python3.5和gcc5，Ubuntu 18.04默认自带Python3.7.3和gcc7.4） +A：当前MindSpore只提供版本配套关系，需要您手动进行配套软件的安装升级。（**注明**：MindSpore要求Python3.7.5和gcc7.3，Ubuntu 16.04默认为Python3.5和gcc5，Ubuntu 18.04默认自带Python3.7.3和gcc7.4）。
@@ -67,85 +64,94 @@ Q：当源码编译MindSpore，提示`tclsh not found`时，应该怎么办？ A：当有此提示时说明要用户安装`tclsh`；如果仍提示缺少其他软件，同样需要安装其他软件。 -
+### 安装验证 -Q: 当在Windows系统源码编译MindSpore报错，提示信息为目录路径有中文乱码，应该怎么办？ +Q:个人电脑CPU环境安装MindSpore后验证代码时报错：`the pointer[session] is null`，具体代码如下，该如何验证是否安装成功呢？ +```python +import numpy as np +from mindspore import Tensor +from mindspore.ops import functional as F +import mindspore.context as context -A：请将中文目录改为英文，同时确保目录没有中文字符。 +context.set_context(device_target="Ascend") +x = Tensor(np.ones([1,3,3,4]).astype(np.float32)) +y = Tensor(np.ones([1,3,3,4]).astype(np.float32)) +print(F.tensor_add(x,y)) +``` -## 支持 +A：CPU硬件平台安装MindSpore后测试是否安装成功,只需要执行命令：`python -c 'import mindspore'`，如果没有显示`No module named 'mindspore'`等错误即安装成功。问题中的验证代码仅用于验证Ascend平台安装是否成功。 -### 模型支持 +## 算子支持 -Q：MindSpore支持哪些模型的训练？ +Q：官网的LSTM示例在Ascend上跑不通 -A：MindSpore针对典型场景均有模型训练支持，支持情况详见[Release note](https://gitee.com/mindspore/mindspore/blob/master/RELEASE.md)。 +A：目前LSTM只支持在GPU和CPU上运行，暂不支持硬件环境，您可以[点击这里](https://www.mindspore.cn/docs/zh-CN/master/operator_list.html)查看算子支持情况。
-Q：MindSpore有哪些现成的推荐类或生成类网络或模型可用？ +Q：conv2d设置为(3,10),Tensor[2,2,10,10]，在ModelArts上利用Ascend跑，报错：`FM_W+pad_left+pad_right-KW>=strideW`，CPU下不报错。 -A：目前正在开发Wide & Deep、DeepFM、NCF等推荐类模型，NLP领域已经支持Bert_NEZHA，正在开发MASS等模型，用户可根据场景需要改造为生成类网络，可以关注[MindSpore Model Zoo](https://gitee.com/mindspore/mindspore/tree/master/model_zoo)。 +A：这是TBE这个算子的限制，x的width必须大于kernel的width。CPU的这个算子没有这个限制，所以不报错。 -### 后端支持 +## 网络模型 -Q：安装运行MindSpore时，是否要求平台有GPU、NPU等计算单元？ +Q：MindSpore现支持直接读取哪些其他框架的模型？支持哪些格式呢？ -A：MindSpore当前支持CPU/GPU/NPU，重点支持Ascend AI处理器。CPU支持Lenet模型，您可以尝试使用。 +A：MindSpore采用protbuf存储训练参数，无法直接读取其他框架的模型。如果想用其他框架训练好的ckpt文件，可以先把参数读取出来，再调用MindSpore的save_checkpoint接口，就可以保存成MindSpore可以读取的ckpt文件格式了。
-Q：针对异构计算单元的支持，MindSpore有什么计划？ +Q：MindSpore训练的模型如何在Ascend 310 上使用？ -A：MindSpore提供了可插拔式的设备管理接口，其他计算单元（比如FPGA）可快速灵活地实现与MindSpore的对接，欢迎您参与社区进行异构计算后端的开发工作。 +A：Ascend 310 支持OM模型，所以先导出ONNX或AIR模型，再转化为Ascend 310 支持的OM模型，具体步骤参考[多平台推理](https://www.mindspore.cn/tutorial/zh-CN/master/use/multi_platform_inference.html)
-Q：MindSpore需要什么硬件支持？ +Q：MindSpore如何进行参数（如dropout值）修改？ -A：目前笔记本电脑或者有GPU的环境，都可以通过Docker镜像来试用。当前MindSpore Model Zoo中有部分模型已经支持GPU的训练和推理，其他模型也在不断地进行完善。在分布式并行训练方面，MindSpore当前支持GPU多卡训练。你可以通过[RoadMap](https://www.mindspore.cn/docs/zh-CN/master/roadmap.html)和项目[Release note](https://gitee.com/mindspore/mindspore/blob/master/RELEASE.md)获取最新信息。 +A：在构造网络的时候可以通过 `if self.training: x = dropput(x)`，验证的时候，执行前设置`network.set_train(mode_false)`，就可以不适用dropout，训练时设置为True就可以使用dropout。 -### 系统支持 +
-Q：MindSpore是否支持Windows 10？ +Q：从哪里可以查看MindSpore训练及推理的样例代码或者教程？ -A：MindSpore CPU版本已经支持在Windows 10系统中安装。 +A：可以访问[MindSpore官网教程](https://www.mindspore.cn/tutorial/zh-CN/master/index.html)。 -### 编程语言扩展 +
-Q：最近出来的taichi编程语言有Python扩展，类似`import taichi as ti`就能直接用了，MindSpore是否也支持？ +Q：MindSpore支持哪些模型的训练？ -A：MindSpore支持Python原生表达，`import mindspore`相关包即可使用。 +A：MindSpore针对典型场景均有模型训练支持，支持情况详见[Release note](https://gitee.com/mindspore/mindspore/blob/master/RELEASE.md)。
-Q：MindSpore是否（计划）支持多语言扩展？ +Q：MindSpore有哪些现成的推荐类或生成类网络或模型可用？ -A：MindSpore目前支持Python扩展，针对C++、Rust、Julia等语言的支持正在开发中。 +A：目前正在开发Wide & Deep、DeepFM、NCF等推荐类模型，NLP领域已经支持Bert_NEZHA，正在开发MASS等模型，用户可根据场景需要改造为生成类网络，可以关注[MindSpore Model Zoo](https://gitee.com/mindspore/mindspore/tree/master/mindspore/model_zoo)。 -### 其他 +
-Q：MindSpore在语义协同和处理上是如何实现的？是否利用当前学术界流行的FCA理论？ +Q：MindSpore模型训练代码能有多简单？ -A：MindSpore框架本身并不需要支持FCA。对于语义类模型，用户可以调用第三方的工具在数据预处理阶段做FCA数学分析。MindSpore本身支持Python语言，`import FCA`相关包即可使用。 +A：除去网络定义，MindSpore提供了Model类的接口，大多数场景只需几行代码就可完成模型训练。 -
+## 平台系统 -Q：从哪里可以查看MindSpore训练及推理的样例代码或者教程？ +Q：Ascend 310 不能安装MindSpore么？ -A：可以访问[MindSpore官网教程](https://www.mindspore.cn/tutorial/zh-CN/master/index.html)。 +A：Ascend 310只能用作推理，MindSpore支持在Ascend 910训练，训练出的模型转化为.om模型可用于Ascend 310上推理。 -## 特性 +
-Q：当前在云上MindSpore的训练和推理功能是比较完备的，至于边端场景（尤其是终端设备）MindSpore有什么计划？ +Q：安装运行MindSpore时，是否要求平台有GPU、NPU等计算单元？需要什么硬件支持？ -A：MindSpore是端边云统一的训练和推理框架，支持将云侧训练的模型导出到Ascend AI处理器和终端设备进行推理。当前推理阶段支持的优化包括量化、算子融合、内存复用等。 +A：MindSpore当前支持CPU/GPU/Ascend /NPU。目前笔记本电脑或者有GPU的环境，都可以通过Docker镜像来试用。当前MindSpore Model Zoo中有部分模型已经支持GPU的训练和推理，其他模型也在不断地进行完善。在分布式并行训练方面，MindSpore当前支持GPU多卡训练。你可以通过[RoadMap](https://www.mindspore.cn/docs/zh-CN/master/roadmap.html)和项目[Release note](https://gitee.com/mindspore/mindspore/blob/master/RELEASE.md)获取最新信息。
-Q：MindSpore自动并行支持情况如何？ +Q：针对异构计算单元的支持，MindSpore有什么计划？ -A：自动并行特性对CPU GPU的支持还在完善中。推荐用户在Ascend 910 AI处理器上使用自动并行，可以关注开源社区，申请MindSpore开发者体验环境进行试用。 +A：MindSpore提供了可插拔式的设备管理接口，其他计算单元（比如FPGA）可快速灵活地实现与MindSpore的对接，欢迎您参与社区进行异构计算后端的开发工作。
@@ -153,43 +159,88 @@ Q：MindSpore与ModelArts是什么关系，在ModelArts中能使用MindSpore吗 A：ModelArts是华为公有云线上训练及推理平台，MindSpore是华为深度学习框架，可以查阅[MindSpore官网教程](https://www.mindspore.cn/tutorial/zh-CN/master/advanced_use/use_on_the_cloud.html)，教程中详细展示了用户如何使用ModelArts来做MindSpore的模型训练。 -## 能力 +
-Q：MindSpore有没有类似基于TensorFlow实现的对象检测算法的模块？ +Q：MindSpore是否支持Windows 10？ -A：TensorFlow的对象检测Pipeline接口属于TensorFlow Model模块。待MindSpore检测类模型完备后，会提供类似的Pipeline接口。 +A：MindSpore CPU版本已经支持在Windows 10系统中安装，具体安装步骤可以查阅[MindSpore官网教程](https://www.mindspore.cn/tutorial/zh-CN/master/advanced_use/mindspore_cpu_win_install.html)。 -
+## 后端运行 -Q：其他框架的脚本或者模型怎么迁移到MindSpore？ +Q：MindSpore的operation算子报错：`device target [CPU] is not supported in pynative mode` -A：关于脚本或者模型迁移，可以查询MindSpore官网中关于[网络迁移](https://www.mindspore.cn/tutorial/zh-CN/master/advanced_use/network_migration.html)的介绍。 +A：pynative 模式目前只支持Ascend和GPU，暂时还不支持CPU。
-Q：MindSpore是否附带开源电商类数据集？ +Q：使用ExpandDims算子报错：`Pynative run op ExpandDims failed`。具体代码： + +```python +context.set_context( +mode=cintext.GRAPH_MODE, +device_target='ascend') +input_tensor=Tensor(np.array([[2,2],[2,2]]),mindspore.float32) +expand_dims=P.ExpandDims() +output=expand_dims(input_tensor,0) +``` + +A：这边的问题是选择了Graph模式却使用了PyNative的写法，所以导致报错，MindSpore支持两种运行模式，在调试或者运行方面做了不同的优化: + +- PyNative模式：也称动态图模式，将神经网络中的各个算子逐一下发执行，方便用户编写和调试神经网络模型。 -A：暂时还没有，可以持续关注[MindSpore官网](https://www.mindspore.cn)。 +- Graph模式：也称静态图模式或者图模式，将神经网络模型编译成一整张图，然后下发执行。该模式利用图优化等技术提高运行性能，同时有助于规模部署和跨平台运行。 +用户可以参考[官网教程](https://www.mindspore.cn/tutorial/zh-CN/master/advanced_use/debugging_in_pynative_mode.html)选择合适、统一的模式和写法来完成训练。 + +## 编程语言拓展 + +Q：最近出来的taichi编程语言有Python扩展，类似`import taichi as ti`就能直接用了，MindSpore是否也支持？ + +A：MindSpore支持Python原生表达，`import mindspore`相关包即可使用。
-Q：MindSpore模型训练代码能有多简单？ +Q：MindSpore是否（计划）支持多语言扩展？ -A：除去网络定义，MindSpore提供了Model类的接口，大多数场景只需几行代码就可完成模型训练。 +A：MindSpore目前支持Python扩展，针对C++、Rust、Julia等语言的支持正在开发中。 +## 特性支持 +Q：MindSpore有轻量的端侧推理引擎么？ +A：MindSpore有自己的端侧推理引擎，当前版本中已开源了端侧推理的部分功能。预计8月底会有更新，届时MindSpore端侧推理引擎在易用性，性能，算子完备度，以及第三方模型支持方面会更加完善和强大。 +
+Q：MindSpore在语义协同和处理上是如何实现的？是否利用当前学术界流行的FCA理论？ + +A：MindSpore框架本身并不需要支持FCA。对于语义类模型，用户可以调用第三方的工具在数据预处理阶段做FCA数学分析。MindSpore本身支持Python语言，`import FCA`相关包即可使用。 + +
+Q：当前在云上MindSpore的训练和推理功能是比较完备的，至于边端场景（尤其是终端设备）MindSpore有什么计划？ + +A：MindSpore是端边云统一的训练和推理框架，支持将云侧训练的模型导出到Ascend AI处理器和终端设备进行推理。当前推理阶段支持的优化包括量化、算子融合、内存复用等。 + +
+Q：MindSpore自动并行支持情况如何？ +A：自动并行特性对CPU GPU的支持还在完善中。推荐用户在Ascend 910 AI处理器上使用自动并行，可以关注开源社区，申请MindSpore开发者体验环境进行试用。 +
+Q：MindSpore有没有类似基于TensorFlow实现的对象检测算法的模块？ +A：TensorFlow的对象检测Pipeline接口属于TensorFlow Model模块。待MindSpore检测类模型完备后，会提供类似的Pipeline接口。 +
+Q：其他框架的脚本或者模型怎么迁移到MindSpore？ +A：关于脚本或者模型迁移，可以查询MindSpore官网中关于[网络迁移](https://www.mindspore.cn/tutorial/zh-CN/master/advanced_use/network_migration.html)的介绍。 +
+Q：MindSpore是否附带开源电商类数据集？ +A：暂时还没有，可以持续关注[MindSpore官网](https://www.mindspore.cn)。 \ No newline at end of file -- GitLab