Что такое MindSpore Hub

MindSpore Hub — это инструмент для работы с предварительно обученными моделями в экосистеме MindSpore. Он служит связующим звеном между разработчиками моделей и разработчиками приложений.

• Предоставляет разработчикам моделей удобный и быстрый канал для выпуска и отправки моделей.
• Предоставляет разработчикам приложений высококачественные предварительно обученные модели, а также позволяет быстро перенести модель на этап развёртывания с помощью API-интерфейсов загрузки и точной настройки модели.

В настоящее время предварительно обученные модели в MindSpore Hub в основном охватывают четыре основных сценария задач: классификация изображений, обнаружение объектов, семантическая сегментация и рекомендации. Вы можете проверить больше моделей на веб-сайте MindSpore Hub (https://www.mindspore.cn/resources/hub/en).

Особенности

• Гибкая загрузка модели: быстрый доступ и использование предварительно обученных моделей путём поиска интересующих моделей на веб-сайте MindSpore Hub.
• Простое в использовании трансферное обучение: трансферное обучение за один шаг благодаря гибкому интерфейсу MindSpore.

Требования к среде

Системные требования и зависимости программного обеспечения

При подключённой сети элементы зависимостей в файле setup.py автоматически загружаются при установке пакета .whl. В противном случае вам необходимо вручную установить элементы зависимостей.

Установка

Hub зависит от MindSprore, поскольку Hub зависит от репозитория моделей MindSpore. Пожалуйста, следуйте таблице ниже и установите соответствующую версию MindSpore со страницы загрузки MindSpore (https://www.mindspore.cn/versions/en).

Установите MindSpore Hub с помощью команды pip. Загрузите пакет whl со страницы загрузки MindSpore Hub.

pip install mindspore_hub-{version}-py3-none-any.whl

Проверка

Если вы можете успешно выполнить следующую команду, то установка завершена.

import mindspore_hub as mshub

Быстрый старт

См. раздел «Загрузка модели из хаба» для реализации загрузки и тонкой настройки модели.

Документация

Для получения дополнительной информации об установке, руководствах и API ознакомьтесь с разделами «Загрузка модели из хаба» и «Публикация моделей с использованием MindSpore Hub».

Сообщество

Как часть сообщества MindSpore, следующая информация в MindSpore Hub, включая управление, коммуникацию и вклад, соответствует содержанию сообщества MindSpore.

Управление:

Ознакомьтесь с тем, как работает открытое управление MindSpore.

Коммуникация:

— MindSpore Slack — платформа для общения разработчиков. — IRC-канал на #mindspore (только для регистрации протоколов собраний). — Видеоконференция: TBD. — Список рассылки: https://mailweb.mindspore.cn/postorius/lists.

Вклад

Приветствуем вклад. Подробнее см. в нашей вики для участников.

Примечания к выпуску

Смотрите примечания к выпуску.

Лицензия

Лицензия Apache 2.0.

Часто задаваемые вопросы

Что делать, если возникает ошибка SSL: CERTIFICATE_VERIFY_FAILED?

Когда вы находитесь за прокси-сервером, иногда могут возникать проблемы с проверкой ssl. Вы можете добавить сертификат в систему, чтобы решить эту проблему. Самый быстрый способ — отключить проверку ssl в Python. Перед импортом mindspore_hub добавьте коды.

import ssl
ssl._create_default_https_context = ssl._create_unverified_context

import mindspore_hub as mshub
model = mshub.load("mindspore/1.6/googlenet_cifar10", num_classes=10)

Что делать, когда возникает ошибка No module named src.*?

При использовании mindspore_hub.load для загрузки различных моделей в одном процессе, поскольку путь к файлу модели необходимо вставить в sys.path. Результаты тестов показывают, что Python ищет src.* только в первом вставленном пути. Бесполезно удалять первый вставленный путь. Чтобы решить проблему, вы можете скопировать все файлы модели в рабочий каталог. Код выглядит следующим образом:

# mindspore_hub_install_path/load.py
def _copy_all_file_to_target_path(path, target_path):
    if not os.path.exists(target_path):
        os.makedirs(target_path)
    path = os.path.realpath(path)
    target_path = os.path.realpath(target_path)
    for p in os.listdir(path):
        copy_path = os.path.join(path, p)
        target_dir = os.path.join(target_path, p)
        _delete_if_exist(target_dir)
        if os.path.isdir(copy_path):
            _copy_all_file_to_target_path(copy_path, target_dir)
        else:
            shutil.copy(copy_path, target_dir)

def _get_network_from_cache(name, path, *args, **kwargs):
    _copy_all_file_to_target_path(path, os.getcwd())
    config_path = os.path.join(os.getcwd(), HUB_CONFIG_FILE)
    if not os.path.exists(config_path):
        raise ValueError('{} not exists.'.format(config_path))
    ......

Примечание: некоторые файлы предыдущей модели могут быть заменены при загрузке следующей модели. Однако необходимые файлы модели должны существовать во время обучения модели. Поэтому вы должны завершить обучение предыдущей модели перед загрузкой следующей модели.