MindSpore作为昇腾AI生态的核心深度学习框架，凭借自动微分、动静结合、端边云全场景部署等特性，成为昇腾平台上模型开发的首选工具。在实际模型训练过程中，开发者常面临训练速度慢、显存占用高、资源利用率低等问题。本文结合MindSpore框架特性与昇腾硬件优势，从数据预处理、网络结构优化、训练策略调整、显存优化四个核心维度，分享模型训练的优化思路与实战方法，助力开发者在昇腾平台上高效完成模型训练

转载地址：https://bbs.huaweicloud.com/forum/thread-143337-1-1.html作者：张辉根据https://www.mindspore.cn/lite/docs/zh-CN/r1.3/quick_start/train_lenet_java.html文档的 Java端侧训练的操作步骤：编译Lite端侧训练的Java包。操作过程记录在https://bbs

在深度学习中，随着模型和数据的不断增长，在很多情况下需要使用单机多卡或者多机多卡进行训练，即分布式训练。分布式训练策略按照并行方式不同，可以简单的分为数据并行和模型并行两种方式。数据并行数据并行是指在不同的 GPU 上都 copy 保存一份模型的副本，然后将不同的数据分配到不同的 GPU 上进行计算，最后将所有 GPU 计算的结果进行合并，从而达到加速模型训练的目的。模型并行。...

转载地址：wsl2 gpu下深度概率训练初体验_MindSpore_昇腾论坛_华为云论坛作者：芳菲菲兮满堂之前发过帖子安装好了wsl2下mindspore gpu环境， 想看下wsl2 环境下对gpu性能有多少损耗，同时也想体验下深度概率模型的魅力，二话不说，先跑个demo试试数据准备mnist已经被玩坏了，建议新手玩家可以直接从fashion_mnist入手，数据格式和操作和mnist一模一样，

2.配置好json文件后在terminal中执行相关指令bashscripts/run_distribute_train.sh/home/ma-user/work/data//home/ma-user/work/hccl_8p.json8fp322.6B11808，可以运行且没有中断，所配置的IP是有效的，ModelArts工程师也说明了这一点。文档中的说明“可以在当前Server执行指令cat/

转载地址：https://bbs.huaweicloud.com/forum/thread-76026-1-1.html作者：芳菲菲兮满堂本帖主要是在训练营三期教程yolov3训练中的遇到的问题记录，针对modelzoo中的train.py主要修改集中如下几行：123456789importmoxingasmoxlocal_data_url='/cach...

转载地址：https://bbs.huaweicloud.com/forum/thread-113020-1-1.html作者：Mr.Yu在ModelArts上 训练模型时，需要将数据从OBS上上传到cache中使用，数据集过大时耗时很长。可以将数据打包，传输，然后在cache路径下os命令解压，并用于后续访问。针对modelzoo中的train.py可以在之前添加如下几行：123456789

2.使用MindSpore.export(net,*inputs,filename=“***”,file_format=“MINDIR”)导出MINDIR模型。模型格式当前版本AIR和ONNX均有单网络2G的模型大小限制，目前采用MINDIR进行在线推理。（MINDIR对于超过2G的模型会自动进行切分）1.参照测试代码初始化模型并加载ckpt。...

使用SummaryCollector的时候，需要将代码块放到。mindinsight在modelart上使用报错问题。

使用Graph模式需要设置ms.set_context(mode=ms.GRAPH_MODE)，使用Cell类并且在construct函数中编写执行代码，此时construct函数的代码将会被编译成静态计算图。原测试代码如果要测试mint.ones_like在图模式下，就需要定义在网络中，这样的话就是图模式下运行该算子。测试代码虽然设置了图模式，但是并没有定义网络，所以相关算子还是运行在pynat