MindSpore LSTM QuickStart

MindSpore 框架

引用老师木文章深度学习框架的灵魂，“Mindspore 个人带来了惊喜，在众所周知的难题上勇闯无人区，auto-parallel完成度很高，数据并行，模型并行和混合并行。”

LSTM 运行

安装命令

为了运行LSTM，需要安装MindSpore最新的0.3.0版本，通过官网mindspore获取安装方法，下面是我个人选择的环境获取的安装命令。

GPU环境获取

GPU环境5.30第二期课程为大家提供了矩池云时长卡8小时，申请使用很方便，我选用了公开镜像Keras 2.3.1 & TensorFlow 2.1.0 因为预装了Python3.7，CUDA10.1， cuDNN 7.6.5。

云端运行

SSH链接登录matpool，安装mindspore 0.3.0 与 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 下载源代码并进入lstm目录，可以一波三连击watch，star，fork

git clone https://gitee.com/mindspore/mindspore 

cd mindspore/example/lstm_aclImdb/

下载数据 allmdb_v1 与 GloVe.6B 解压到lstm_aclImdb文件夹中

unzip glove.6B.zip -d ./glove

tar -xvzf aclImdb_v1.tar.gz

执行训练程序存在错误，参考使用Mindspore 0.3运行lstm_aclImdb修改数据

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

再次执行训练程序

python train.py --preprocess=true --aclimdb_path=./aclImdb --glove_path=./glove --ckpt_path=./ckpt

预处理有一段时间，然后就开始训练了，训练完成后可以执行验证程序

python eval.py --ckpt_path=./ckpt/lstm-20_390.ckpt