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。
   • MindStudio欢迎界面：单击“New Project”，进入创建工程界面。
   • MindStudio工程界面：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。
      1. 在右侧界面选择“CANN Version”。
      2. 选择“Templates”下不同框架工程或选择“Samples”下内置样例，这里选择的为“Templates”下的框架工程。
         

         当选择“Templates”下的工程时，需要导入或自行编写训练脚本，若为NPU训练脚本，可直接进行模型训练；若为GPU训练脚本，需要将脚本通过分析迁移转换为NPU训练脚本，再进行模型训练；当选择“Samples”下的NPU训练工程样例时，可直接进行模型训练。

   2. 单击“Next”，配置训练工程其他信息，参数说明如表1所示。

      表1 工程参数说明

      参数	说明
      Project name	工程名称，自行配置。 名称开头和结尾必须是数字或字母。只能包含字母、数字、中划线和下划线，且长度不超过64个字符。
      Project location	工程默认保存路径，用户可自定义。（对于首次使用MindStudio的用户，该项默认为“$HOME/MindstudioProjects”。）
      More settings	“Module name”：模块名，默认与“Project name”一致。
      	“Content root”：根目录下路径。
      	“Module file location”：模块文件路径。
      	单击“Project format”右侧选框，出现下拉菜单。 .idea（directory-based）：创建项目的时候创建一个.idea的项目录来保存项目的信息，默认选项。 .ipr（file-based）：项目配置文件来保存项目的配置信息。

   3. 单击“Finish”完成训练工程的创建。
      若工作窗口已打开其他工程，会出现确认提示。

      • 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。
3. 查看训练工程目录结构和主要文件，请以实际创建结果为准。

   ├── .idea
   ├── data                                  //数据集目录，需用自行创建
   ├── .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。
   • MindStudio欢迎界面：单击“Open”，选择需要导入的工程，单击“OK”确认导入。
   • MindStudio工程界面：在顶部菜单栏中选择“File > Open...”或单击工具栏中的，选择现有工程打开。
     

     • 如该工程存在代码风险，在打开时会弹出信任窗口。
       • 如该工程源码可被信任且安全，请单击“Trust Project”。（可通过勾选“Trust project in <工作区目录>”复选框信任该目录下的所有工程。）
       • 如该工程不被信任，仅用于查看其中源码，请单击“Preview in Safe Mode”进入安全模式预览。
       • 如放弃打开该工程，请单击“Don't Open”取消工程导入操作。
     • 若导入NPU训练工程，可直接进行模型训练；若导入GPU训练工程，需要将脚本通过分析迁移转换为NPU训练脚本，再进行模型训练。
2. 若工作窗口已打开其他工程，会出现确认提示。
   • 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。
3. 成功导入工程后，工程目录以树状呈现，请以实际创建结果为准。

运行配置

1. 单击工程界面“Run > Edit Configurations...”或单击图2所示菜单中的“Edit Configurations...” ，进入运行配置界面。
   图2 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3所示。
     图3 运行配置界面
     
   • “Run Mode”若选择“Local Run”，则配置界面如图4所示。
     图4 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	说明	备注
   Name	工程名称，用户自行配置。 例如：MyTraining	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。
   Run Mode	运行环境选择。选择“Remote Run”或“Local Run”，默认为“Remote Run”。	-
   Executable	训练工程中的执行入口文件。 例如： /data/home/xxx/MindstudioProjects/MyTraining/train.py	-
   Deployment	运行配置。选择Remote Run模式时可见，必选配置。	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。
   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. 单击“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 'MyTraining'”或单击图5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5 快捷方式执行训练
   
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6 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7 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。