在云上使用MindSpore
1、沙箱实验
打开沙箱链接，即可开始体验。
今天咱来得早，名额较为充足。打开实验桌面。
我们看到实验桌面有MNIST数据集和实验脚本。
创建桶参数如下：
①复制桶配置：不选
②区域：华北-北京四；
③桶名称：ms-lenet-train-0501；
④数据冗余存储策略：多AZ存储
⑤存储类别：标准存储；
⑥桶策略：私有；
⑦默认加密：关闭；
⑧归档数据直读：关闭；其他参数默认（OBS桶名称需全局唯一，若出现以下提醒，自定义其他桶名称即可。需要记住此步骤中创建的桶名称，以便后续使用。）
在创建的桶新建一个文件夹
上传test和train
修改lenet.py如下，将通道数改为1，然后保存退出
修改dataset.py如下
然后，将脚本上传，就可以开始实验了，此处不再赘述。
2、Ascend910训练和Ascend310推理
步骤1：准备训练数据
- 单击样例数据集链接，跳转至“AI Gallery > 数据 > 四类花卉图像分类小数据集”页面。
- 单击
“下载”
跳转至下载页面详情页。 - 在下载详情页，填写参数。
- 下载方式：选择“对象存储OBS服务”
- 目标区域：选择“华北-北京四”
- 目标位置：请选择一个空的OBS目录
步骤2：订阅算法
目前**“ResNet50”**算法发布在AI Gallery中。您可以前往AI Gallery，订阅此模型，然后同步至ModelArts中。
- 在这里图像分类订阅算法，
- 前往控制台，选择北京四
步骤3：使用订阅算法创建训练作业（Ascend 910）
但是，这个算法居然没有任何的发布版本，
在5月1日订阅的根本创建不了训练任务。。。
官网的文档又欺骗了我。还好，爷有预备的算法：
在新版训练作业环境下创建训练作业，参数如下
- “算法>我的订阅”：
- “数据来源”：选择刚刚的数据集
选择一个GPU
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oDvEFUuV-1651397769826)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011633441.png)]
训练完成
步骤4：模型转换
使用订阅算法训练所得的模型，需通过转换功能，转成适用于Ascend芯片的格式，即“om”格式。
- 在ModelArts管理控制台，选择**“AI应用管理 > 模型转换”**。
- 在模型转换作业列表页面，单击“创建任务”。在创建转换任务页面中，参考如下说明填写关键参数。
本次使用的算法为ResNet_v1_50算法（图像分类/TensorFlow/Ascend910训练），模型转换任务与ResNet50算法不一样的参数如下所示。
“输入框架”：选择“TensorFlow”。
“转换输入目录”：请选择训练作业输出路径下的“<输出路径>frozen_gragh”目录。
“输出框架”：选择“MindSpore”。
“转换输出目录”：请选择训练作业输出路径下的“<输出路径>/om/model”目录。
“转换模板”：使用**“TF-FrozenGraph-To-Ascend-C32”**模板进行模型转换。
“输入张量形状”：“images:1,224,224,3”
“输入数据格式”：“NHWC”
“转换输出节点”：“logits:0”
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LTxBDnJm-1651397769832)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011659704.png)]
万岁，成功啦乌拉
步骤5：创建AI应用
模型转换为om格式后，可采用“从模板中选择”的方式，创建AI应用。
- 在ModelArts管理控制台，选择**“A应用管理 > AI应用 > 我的AI应用”**。
- 配置如上
步骤6：部署为在线服务（Ascend 310）
AI应用创建成功后，可将此服务部署为在线服务，在部署时可使用Ascend 310芯片资源。
- 在“AI应用管理 >AI应用 >我的AI应用”列表中，单击AI应用名称进入详情页，单击右上角的“部署 > 在线服务”
>在线服务”**页面单击“创建”，进入部署页面。 - 在“部署”页面，参考如下说明填写关键参数。
- [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Au4rNRWf-1651397769835)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011722937.png)]
- 在线服务部署完成后，您可以单击服务名称进入服务详情页。
- 访问服务：了解调用指南，获取API接口地址，可通过postman或使用curl命令发送请求，访问在线服务。
- 预测：单击“预测”页签，上传一个测试图片，进行预测。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Xqhj647K-1651397769835)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011725321.png)]
上传了一张webp，发现失败了。
看来不能识别呢。
上传了jpg就可以了。（第二个结果有点离谱；但这个不能怪我们的模型，要怪只能说我们的美女长的太像玫瑰了呢）
步骤7：清除资源
如果不再需要使用此模型及在线服务，建议清除相关资源，避免产生不必要的费用。
- 在“在线服务”页面，“停止”或“删除”刚创建的在线服务。
- 在“AI应用”页面，“删除”刚创建的AI应用。
- 在“训练作业New”页面，“删除”运行结束的训练作业。
- 进入OBS，删除本示例使用的OBS桶及文件夹，以及文件夹的文件。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3fybIWUA-1651397769837)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011730021.png)]
把我们可爱的在线服务停止吧。
3、如何参与社区建设？
最重要的就是提交PR啦。那怎样提交PR呢？
新建一个远程主仓
创建一个文件，并用qmckw账号fork到qmckw下
clone到本地
我们现在想修改一下这个hello.py
git log # 查看目前的commit
git status#查看状态，我们已经修改了hello.py
git remote -v # 查看远程仓是否配置了主仓
远程仓库并未配置主仓
git remote add upstream https://gitee.com/csckw/remote-main-warehouse.git
git add .
git commit -m "first"
这个时候，倘若我们又要修改这个py文件。
这个时候，我们可以看到有两个commit，需要合并为一个。
使用如下的命令。
git rebase -i HEAD~2将第二行的pick改为小写字母s
保存退出后，进入如下界面，不用修改，直接i-esc-:q即可
这个时候执行git log，就可以看到我们的commit已经合并为1个了。
如果我们觉得可以在修改，比如下面我们再次修改了py文件。
这个时候，用如下的命令，可以直接修改这个commit，而不用合并。
git add .
git commit --amend[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PcYgB5tv-1651397769839)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011733142.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jaTqamEs-1651397769840)(https://gitee.com/qmckw/pic/raw/master/PicGO-updata-img/202205011733562.png)]
这个时候，代码已经上传到我们的远程主仓了。现在到我们自己的远程主仓界面，提交PR
这个时候，在csckw也就是仓库拥有者的文件下提交审核。
这样，这个pr变成了已合并的状态。
任务就圆满完成了。
同理，你可以去MindSpore的仓库提交PR，这里就不演示啦。
