干货分享 | MindSpore21天实战营手记（一）：基于MindSpore Lite开发端侧AI图像分类应用

刚刚听完华为MindSpore实战营第一课“基于MindSpore Lite开发端侧AI图像分类应用”，学会了编译方法就迫不及待按照课程指南生成应用，安装到手机上对着街上物件一顿乱扫，感觉特别有趣。

话说能得到即时反馈的学习才是好的学习，短短两天把一个小白变成一个能编译项目的小白，我为华为的老师们手动点赞。

以前总感觉模型训练好，在云上开个访问API了，最多听说过某些行业出于保护隐私的目的，采用公有云训练，私有云推理的应用模式，而且私有云资源也往往是不受限制的。但是如果端侧很小，资源很少又该怎么办呢？这时就很考验框架的弹性，以及模型增量训练后进行快速部署的能力。本次课程的重点就是把一个训练好的模型部署到手机端上去。

简化的端侧图像分类应用开发流程

由于以前对模型部署这个问题关注不够，课前也没做什么准备，这一课听得很吃力，但是收获很大。老师介绍了开发流程，重点讲解了端侧框架的功能、特点和代码逻辑，并且演示了编译过程，总体含金量很高。课后参考助教分发的指南，很顺利地完成了端侧应用APP的编译，感觉华为设计的这个从模型训练到应用发布的套路还是挺高效的。

上课回看视频链接：

https://www.bilibili.com/video/BV1dA411L7Lg

1

编译环境搭建

华为提供的“MSLite_App_Install.docx”介绍非常详尽，这里仅增加几点说明：

如果只限于完成作业的程度，那么用Windows，Mac OS或Linux都可以，安装Android Studio直接编译华为代码仓中的示例代码就OK了。

但是如果从模型训练出发，再做模型转换，再做编译发布，那么必须要用Linux了，因为用CPU版做训练会很吃劲儿，但MindSpore-GPU不支持Windows，而且模型转换工具Converter_lite只在Linux下工作。

顺便说一句，我以前写过一篇利用WSL支持MindSpore-GPU的贴子：

https://bbs.huaweicloud.com/forum/thread-82598-1-1.html

不过实际应用的性能与CPU接近，怀疑是GPU虚拟化损失了大部分性能，也不知道NVidia以后会不会有改善。所以想认真玩的话，还是下决心放弃Windows，拥抱Ubuntu吧。这个决心不好下啊。

在主站：

https://gitee.com/mindspore/mindspore/tree/master/model_zoo/official/lite/image_classification的readme

运行依赖需要NDK，CMake等等一大堆 ，看上去挺吓人，其实实操中这个环节的难度并不大。Android Studio体现了“平台+插件”的设计思想，所以只要把Android Studio这个“平台”安装好了，其他的"插件"都可以在“File -> Settings -> Appearance & Behavior -> System Settings -> Android SDK” 页面的“SDK Tools”列表下面选择安装。

安装到这里会出现一个问题，就是列表中没有“Android SDK”。其实这个包被隐藏了，只要把“Hide Obsolete Packages”前面的勾去掉，就能看到已经安装好了。

还有可能更新失败。我遇到了，其他同学好像都没有遇到。他们运气比我好。更新源是dl.google.com，一听这个名字就知道是怎么回事了。这时候需要手动添加地址映射。首先要找出可用的地址。在网站ping.chinaz.com中搜索dl.google.com，从下面解析出来的地址中选一个。

在"C:\Windows\System32\drivers\etc\hots"文件中添加一条映射。

测试连通性。

再打开Android Studio就能自动更新了。

2

编译过程

进阶作业要求创建作业目录（21day_firstcource），编译代码仓：

https://github.com/mindspore-ai/mindspore-21-days-tutorials中的object_detection

项目，并提交MSLiteApp.apk这个过程就非常”享受“了。

复制代码仓：

git clone https://github.com/mindspore-ai/mindspore-21-days-tutorials.git

然后在Android Studio中找开object_detection目录。界面挺眼熟，以为打开了PyCharm。没办法啊，Android Studio就是”Powered by IntelliJ“。

机器轰鸣中等，等等等等，突然又安静了，一个提示很低调地出现在右下角了。

赶紧翻一下apk在哪里。这个”app-debug.apk“就是我们要找的目标。

把它拷贝到手机上，安装之后，可以快乐地举起手机扫扫扫了。

同期的@Bati同学遇到了编译错误，从现象上看似乎是模型下载失败了。

Bati同学经过不懈努力，在”readme.md“中找到了解决方案：

### 下载及部署模型文件   从MindSpore Model Hub中下载模型文件，本示例程序中使用的终端图像分类模型文件为`mobilenetv2.ms`， 同样通过download.gradle脚本在APP构建时自动下载，并放置在`app/src/main/assets`工程目录下。   * 注：若下载失败请手动下载模型文件，mobilenetv2.ms [下载链接]   (https://download.mindspore.cn/model_zoo/official/lite/mobilenetv2_openimage_lite/mobilenetv2.ms)。

手工下载文件，放到"object_detection\app\src\main\assets\model"目录下，再次编译，顺利通过。

3

写在最后

课程上手就讲模型如何部署，体现了华为重视工程实践的风格。而且先把开发的流程了解清楚，把应用在手机上跑起来，虽然只是两个简单的原型应用，但是已经足够为快速迭代模型提供非常好的基础。这个课的确够实战！！！

在课后答疑中，有位同位问为什么模型要运行在端侧？运行在云上不是更简单吗？而且云上的模型也容易做增量学习。这是个好问题，都5G时代了，繁重的工作都让云去做，端上只跑HTML5不是很好吗？

周末去超市买东西，结账的时候用微信支付，结果网络信号不好更种卡。所以在网络还没有充分发育的条件下，完全把服务和应用分离是有风险的，端上运行的应用会保证可用性。况且这个应用只是原型，如果打造云、端联动的应用，是要跟应用场景适配的。