上面的最终修改后的代码。但是最新的mindspore已经三合一了，而且realpath 在部分系统上不是返回空，而是返回异常。上面的file_name设置的不对，应该是不带后缀的名称，如果设置如上面的一样的话，最终生成的文件是yolov5.mindir_yolov5s.mindir。上面的文档写的main.cc同目录，但是不同项目makefile写的不一样。上一篇主要介绍了YOLOv5的一些基本知

问题描述：【功能模块】mindspore 1.6【操作步骤&问题现象】1、我在使用mindspore复现pytorch代码时，发现mindspore没有和pytorch的ctx.save_for_backward和ctx.saved_tensors相似的功能2、我以为可以用self.input和copy（）代替，然后发现并不能3、请问mindspore有事先相似功能的函数吗？没有的话自定义类该怎么

问题描述：【功能模块】minddata.kernels.image.center_crop_op.cc【操作步骤&问题现象】1、编写算子代码2、编译 bash build.sh -e cpu -t on3、运行测试【截图信息】[WARNING] DEBUG(27378,7f2027655580,ut_tests):2022-03-03-20:49:05.662.812 [mindspore/ccs

经过查找发现是cluster_rank_table_16pcs.json中ip的设置问题！

我想实现 在两台不同服务器（gpu环境）的两个容器下进行mindspore分布式训练,并且已经做好了两个容器间的免密ssh通信，但是不知道如何用mpirun操作【操作步骤&问题现象】1、看了一下mindspore官网上的分布式训练教程，有一个疑问，我该如何指定 某个主机的某个端口号（因为我想进入某个机器中的某个容器环境进行训练），mpirun 没有指定端口号的参数吧？难道是在host_file中指

多卡问题2指定IP具体使用的是什么指令，/etc/hccn.conf为空可能由于指定IP失败。问题3/etc/hccl.conf文件为空导致rank*.json文件无法生成。Ascend的版本不匹配，但MindSpore前向兼容所以可以正常执行。单卡训练时的warning是正常现象，从日志看提示MindSpore和。问题1run_distribute_train.sh执行没有效果。问题2NPU卡指

环境1、服务器：Atlas800-9000（Arm+Ascend），裸机。2、驱动和软件包：5.0.3.1商用版本3、mindspore：1.5.0【操作步骤&问题现象】1、配置完环境后从MindSpore官方modelzoo拉取resnet代码。2、单机单卡训练正常（run_standalone_train.sh）。3、使用models/hccl_tools.py生成对应的rank_table.

使用 MindSpore Lite 的 converter_lite 对 MINDIR 模型做 8bit 权重量化（quant_type=WEIGHT_QUANT，bit_num=8），转换命令为但加 --optimize=ascend_oriented 时量化后模型大小与 FP16 一致、无 int8 量化效果，去掉该选项后模型大小符合预期却推理报错，请问 ascend_oriented 是否会

使用 MindSpore Lite 的 converter_lite 对 MINDIR 模型做 8bit 权重量化（quant_type=WEIGHT_QUANT，bit_num=8），转换命令为但加 --optimize=ascend_oriented 时量化后模型大小与 FP16 一致、无 int8 量化效果，去掉该选项后模型大小符合预期却推理报错，请问 ascend_oriented 是否会

问题描述我参考了想要用MindSpore也实现语音识别，根据脚本迁移了网络。网络最后是调通了，但是Loss不收敛，训练得到的模型推理结果比预期长了一段。请问有专家可以帮忙看看问题出在哪里吗？附加一些说明，也许可以更好解决我遇到的问题ModelArts上，是用两个网络组合完成语音识别的任务的首先构造了数据集get_data，可以把读取音频文件和标注的文本。思路是先得到声音的时域信息，就是像如下的波形