本文档介绍如何在GPU环境的Linux系统上,使用源码编译方式快速安装MindSpore。
详细步骤可以参考社区提供的实践——在Linux上体验源码编译安装MindSpore GPU版本,在此感谢社区成员飞翔的企鹅的分享。
确认安装Ubuntu 18.04是64位操作系统。
确认安装GCC 7.3.0版本。
确认安装gmp 6.1.2版本。
确认安装Python 3.7.5版本。
确认安装CMake 3.18.3及以上版本。
确认安装patch 2.5及以上版本。
确认安装Autoconf 2.69及以上版本(可使用系统自带版本)。
确认安装Libtool 2.4.6-29.fc30及以上版本(可使用系统自带版本)。
确认安装Automake 1.15.1及以上版本(可使用系统自带版本)。
确认安装cuDNN 7.6及以上版本。
确认安装Flex 2.5.35及以上版本。
确认安装wheel 0.32.0及以上版本。
确认安装OpenSSL 1.1.1及以上版本。
export OPENSSL_ROOT_DIR=“OpenSSL安装目录”
。确认安装CUDA 10.1按默认配置安装。
export PATH=/usr/local/cuda-${version}/bin:$PATH
)和LD_LIBRARY_PATH
(如:export LD_LIBRARY_PATH=/usr/local/cuda-${version}/lib64:$LD_LIBRARY_PATH
),详细安装后的设置可参考CUDA安装手册。确认安装OpenMPI 4.0.3版本(可选,单机多卡/多机多卡训练需要)。
确认安装NCCL 2.7.6-1版本(可选,单机多卡/多机多卡训练需要)。
确认安装NUMA 2.0.11及以上版本。 如果未安装,使用如下命令下载安装:
apt-get install libnuma-dev
确认安装git工具。
如果未安装,使用如下命令下载安装:
apt-get install git
git clone https://gitee.com/mindspore/mindspore.git -b r1.1
在源码根目录下执行如下命令。
bash build.sh -e gpu
其中:
build.sh
中默认的编译线程数为8,如果编译机性能较差可能会出现编译错误,可在执行中增加-j{线程数}来减少线程数量。如bash build.sh -e gpu -j4
。
chmod +x build/package/mindspore_gpu-{version}-cp37-cp37m-linux_x86_64.whl
pip install build/package/mindspore_gpu-{version}-cp37-cp37m-linux_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple
其中:
{version}
表示MindSpore版本号,例如安装1.1.0版本MindSpore时,{version}
应写为1.1.0。import numpy as np
from mindspore import Tensor
import mindspore.ops as ops
import mindspore.context as context
context.set_context(device_target="GPU")
x = Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = Tensor(np.ones([1,3,3,4]).astype(np.float32))
print(ops.tensor_add(x, y))
如果输出:
[[[ 2. 2. 2. 2.],
[ 2. 2. 2. 2.],
[ 2. 2. 2. 2.]],
[[ 2. 2. 2. 2.],
[ 2. 2. 2. 2.],
[ 2. 2. 2. 2.]],
[[ 2. 2. 2. 2.],
[ 2. 2. 2. 2.],
[ 2. 2. 2. 2.]]]
说明MindSpore安装成功了。
当需要升级MindSpore版本时,可执行如下命令:
直接在线升级
pip install --upgrade mindspore-gpu
本地源码编译升级
在源码根目录下执行编译脚本build.sh
成功后,在build/package
目录下找到编译生成的whl安装包,然后执行命令进行升级。
pip install --upgrade mindspore_gpu-{version}-cp37-cp37m-linux_{arch}.whl
当您需要查看训练过程中的标量、图像、计算图以及模型超参等信息时,可以选装MindInsight。
具体安装步骤参见MindInsight。
当您进行AI模型安全研究或想要增强AI应用模型的防护能力时,可以选装MindArmour。
具体安装步骤参见MindArmour。
当您想要快速体验MindSpore预训练模型时,可以选装MindSpore Hub。
具体安装步骤参见MindSpore Hub。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。