操作步骤

创建训练工程

当前支持以MindSpore、TensorFlow和PyTorch训练框架为模板创建训练工程，其中MindSpore可以在完成训练后使用MindInsight组件实现训练过程可视化，MindInsight详细配置请参见MindInsight训练可视化（Beta）。

1. 进入训练工程创建界面，训练工程界面如图1所示。
   • 首次登录MindStudio：在MindStudio欢迎界面中单击“New Project”，进入创建工程界面。
   • 非首次登录MindStudio：在顶部菜单栏中选择“File > New > Project...”，进入创建工程界面。
     图1 创建工程界面
     
2. 创建训练工程。
   1. 在左侧导航栏选择“Ascend Training”，如图1所示，在右侧配置训练工程信息，配置示例如表1所示。

      表1 工程信息配置

      参数	参数说明	示例
      Name	工程名称，用户自行配置。 名称必须以字母开头，数字或字母结尾，只能包含字母、数字、中划线和下划线，且长度不能超过64个字符。	MyTraining
      Description	工程描述信息，自行配置。	可选配置
      CANN Version	当前CANN的版本号。	选择当前CANN的版本号
      Project Location	工程的存储路径。	保持默认

   2. 单击“Next”，进入训练工程选择界面。
   3. 训练工程选择界面如图2，选择“Templates”下不同框架工程或选择“Samples”下内置样例，下图选择的为“Templates”下的框架工程，单击“Finish”完成训练工程的创建。
      图2 训练工程选择界面
      
      

      当工程选择为TensorFlow工程或样例时，需确保进行模型训练的运行环境（本地环境或远程环境）中已安装框架插件包Ascend-cann-tfplugin_xxx.run，安装方式请参见《CANN 软件安装指南》中“安装框架插件包”章节。

   4. 若工作窗口已打开其他工程，会出现如图3所示提示。
      • 选择“This Window”，则直接在当前工作窗口打开新创建的工程。
      • 选择“New Window”，则新建一个工作窗口打开新创建的工程。
      图3 工程创建提示
      
3. 查看训练工程目录结构和主要文件。

   ├── .idea
   ├── data                                  //数据集目录
   ├── .project                                 //工程信息文件，包含工程类型、工程描述、运行目标设备类型以及CANN版本
   ├── train.py                                //训练脚本文件，为空文件，用户在这里编写训练脚本
   ├── MyTraining.iml                         

导入训练工程

如果已有训练工程，则无需新建训练工程，可直接通过MindStudio导入，操作如下。

1. 使用MindStudio导入训练工程。
   • 首次登录MindStudio：在MindStudio欢迎界面中单击“Open or Import”，选择需要导入的工程，单击“OK”确认导入。
   • 非首次登录MindStudio：在顶部菜单栏中选择“File > Open...”，选择需要导入的工程，单击“OK”确认导入。
     

     工程的默认存储路径为安装用户家目录的“AscendProjects”文件夹下。

2. 若首次打开工程，将弹出如图4所示界面，表示MindStudio提供的功能可能会执行此工程中的潜在恶意代码，导入工程前需进行确认。
   图4 信任窗口
   

   • Trust projects in {此工程所在的目录}：信任此工程所在的目录下的所有工程。
   • Trust Project：信任此工程。
   • Preview in Safe Mode：在安全模式下预览此工程。
   • Don't Open：不打开此工程。
3. 若工作窗口已打开其他工程，会出现如图5所示提示。
   • 选择“This Window”，则直接在当前工作窗口打开新创建的工程。
   • 选择“New Window”，则新建一个工作窗口打开新创建的工程。
   图5 工程创建提示
   

运行配置

1. 单击工程界面“Run > Edit Configurations...”或单击图6所示菜单，进入运行配置界面。
   图6 快捷方式进入运行配置界面
   
2. 配置训练参数。
   • “Run Mode”若选择“Remote Run”，则配置界面如图7所示。
     图7 运行配置界面
     
   • “Run Mode”若选择“Local Run”，则配置界面如图8所示。
     图8 运行配置界面
     

   在右侧配置训练工程运行信息，配置示例如表2所示。

   表2 训练工程运行信息

   参数	参数说明	示例
   Name	工程名称，用户自行配置。 名称必须以字母开头，数字或字母结尾，只能包含字母、数字、中划线和下划线，且长度不能超过64个字符。	MyTraining
   Executable	训练工程中的执行入口文件。	/home/xxx/AscendProjects/MyTraining5/data/download_cifar10.sh
   Run Mode	运行环境选择。选择“Remote Run”或“Local Run”，默认为“Remote Run”。	“Remote Run”
   Deployment	运行配置。通过Deployment功能，详细请参见Deployment，可以将指定项目中的文件、文件夹同步到远程指定机器的指定目录。	选择Remote Run模式时可见，必选配置。
   Command Arguments	训练工程执行参数。	可选配置。
   Environment Variables	训练工程环境变量。	可选配置。

3. 点击“OK”完成训练工程信息的创建。

执行训练

1. 单击工程界面“Run >Run”或单击图9所示菜单，执行训练。训练执行过程：连接远端训练机器 -> 打包训练工程发布到远端训练机器 -> 启动训练工程执行。
   图9 快捷方式执行训练
   
   

   打包训练工程发布到远端训练机器时，不会拷贝后缀为.iml文件，不影响功能执行。

2. 执行训练后，在工程界面底部“Run”窗口显示运行实时信息，如下图：
   图10 运行实时信息
   
3. 如果训练成功，打印训练成功信息。如果训练失败，在工程根目录下的out/reports下生成训练工程的整网支持度报告network_analysis_timestamp.report。报告内容如下：
   图11 整网支持度报告
   

   

   此整网支持度报告是以MindSpore训练框架创建的训练工程，训练失败后在工程根目录下的out/reports下生成的.report文件；以TensorFlow和PyTorch训练框架创建的训练工程，训练失败后生成的.report文件返回至用户自定义的输出路径。