摘要：一個Cope 攻城獅用切身實例告訴你： Cope代碼體驗一時爽，BUG修改花半天。
前言：此文為r0.7-beta的操作實踐，為什么我的眼里常含淚水，因為我對踩坑這件事愛得深沉。謹以此文獻給和我一樣踩坑的小伙伴，紀念踩坑時刻。
↑開局一張圖，故事全靠編。
有時候常常問自己：我一個前端開發，沒有python基礎，居然敢嘗試使用深度學習框架？誰給的勇氣，是梁靜茹嗎？有時候也常常暗示自己“技多不壓身”，活得像周樹人筆下的阿Q一樣灑脫，不過現實就像--我是鑽井工，鑽了一個又一個的井，因為沒有堅持，一次又一次地和寶藏擦肩而過最終空手而歸；有時候也常常告慰自己：“Just DO IT”，IT這么吃香，不干IT還能干啥？不就是換個地兒搬磚嗎？定個小目標，先跑通MindSpore的LeNet模型！
安裝
優秀的全場景深度學習框架開源項目，應該提供Docker安裝鏡像；先康康我的運行環境：
- Ubuntu 18.04.5 LTS
- Docker version 18.09.6
這次安裝的是CPU版本的，命令：
docker pull mindspore/mindspore-cpu:0.7.0-betadocker run -it mindspore/mindspore-cpu:0.7.0-beta /bin/bash
一步到“胃”，直接進入到home目錄，接下來Copy攻城獅要開始表演粗劣的Copy***，跑通MindSpore的LeNet模型。
Fork代碼
為啥要Fork代碼呢？您指望一個毫無核心技術的Copy攻城獅手寫一個深度學習框架MindSpore？代碼千千萬，Fork第一條！不啰嗦，先fork一下MindSpore官方倉庫，一鍵擁有深度學習框架。當然Fork之后，我們要將代碼clone到本地，因為我的碼雲賬號叫hu-qi,所以我要clone的路徑是https://gitee.com/hu-qi/mindspore。
git clone https://gitee.com/hu-qi/mindspore因為碼雲是咱自己的，速度倍兒棒，稍等片刻，美味即將呈現。
翻車現場
ModuleNotFoundError: No module named 'mindspore.dataset.vision'.
習慣了瞎折騰，以為直接運行train.py就能一分鍾跑通，還是“too young,too simple”。一波錯誤的示范,然后就是圖中巨大的坑：
幸好前人已經踩過坑了：Windows系統下跑通華為MindSpore的Lenet網絡,盡管是Windows系統的，看上去似乎是相同的問題。為了記錄本次踩坑歷程，我決定施展一下git技能！
checkout踩坑分支
為了印象更加深刻，我決定將分支命名為9-12，以此紀念"9·12踩坑事件"。
cd /home/mindspore
git checkout -b 9-12
然后參照前人的經驗教訓開始修改本地文件。
修改文件
本次修改的是兩個文件--lenet/train.py和lenet/src/dataset.py。
- lenet/src/dataset.py
# ……
# line 20新增層級transforms
import mindspore.dataset.transforms.vision.c_transforms as CV
# line 22新增層級transforms
from mindspore.dataset.transforms.vision import Int
# ……
- lenet/train.py
# ……
# 注釋line 32和line34
# from mindspore.common import set_seed
# set_seed(1）
# line 55新增設置is_grad=false
net_loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction="mean", is_grad=False)
# ……
在lenet目錄滿懷信心的執行命令：python train.py --device_target=CPU --dataset_sink_mode=False,結果又是一個錯誤：ValueError: The folder ./Data/train does not exist or permission denied!。
一開始以為是權限的問題，經過一些嘗試，發現是沒有Data目錄。那就在lenet下新建一個Data目錄以及子目錄test和train吧。
cd /home/mindspore/model_zoo/official/cv/lenet
mkdir Data
mkdir Data/test && mkdir Data/train然后依舊滿懷信心敲下執行訓練的命令：python train.py --device_target=CPU --dataset_sink_mode=False
結果又是一個坑：Unexpected error. There is no valid data matching the dataset API MnistDataset.Please check file path or dataset API validation first.。怎么辦？意識到腳本並沒有給我自動下載Mnist數據集，又不懂代碼，只好手動去下載了。
下載Mnist數據集
Mnist數據集： http://yann.lecun.com/exdb/mnist/
數據目錄結構：
└─Data
├─test
│ t10k-images.idx3-ubyte
│ t10k-labels.idx1-ubyte
│
└─train
train-images.idx3-ubyte
train-labels.idx1-ubyte既然是linux，二話不說，先來四個wget！
# 切換到Data目錄
cd Data
# 下載訓練圖片
wget
# 下載訓練標簽
wget
#下載測試圖片
wget
# 下載測試標簽
wget http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz
然后又是一波解壓操作,來四個gunzip：
gunzip train-images-idx3-ubyte.gz
gunzip train-labels-idx1-ubyte.gz
gunzip t10k-images-idx3-ubyte.gz
gunzip t10k-labels-idx1-ubyte.gz
最后，再來一波移動文件操作壓壓驚。來四個mv:
mv train-images-idx3-ubyte ./train
mv train-labels-idx1-ubyte ./train
mv t10k-images-idx3-ubyte ./test/
mv t10k-labels-idx1-ubyte ./test/此時此刻，感受到不懂代碼真吃虧，明明幾行代碼就解決了，我要這么多套“切克鬧”才能獲取到數據集，我一定向明明學習，爭取早日擺脫Copy攻城獅的稱號，實現代碼自由，贏取開源碩果，走向擼碼巔峰！咳咳，再來一盤花生米，我還能嘮嗑！
訓練及驗證
新司機再次上路，這回我總能愉快的訓練了吧？
cd /home/mindspore/model_zoo/official/cv/lenet
python train.py --device_target=CPU --dataset_sink_mode=False
然后終於看到了勝利的曙光，跑起來了！跑起來了！跑起來了！ 看到一行行日志不斷涌現，我的眼眶噙滿了淚水--“小胡，你在干啥？你丫一前端上班在跑模型，不想干了嗎？明天去財務領錢……” 還好隔壁王哥及時解圍--“他這是在深度學習，以后不會再把1像素切成2像素了”
接下還需要驗證一下：
cd /home/mindspore/model_zoo/official/cv/lenet
python eval.py --ckpt_path="ckpt/checkpoint_lenet-10_1875.ckpt" --device_target=CPU運行結果：
============== Starting Testing ==============
============== {'Accuracy': 0.9847756410256411} ==============
勉強能接受吧，畢竟只整了10個epoch。
上傳到遠程倉庫
盡管我們已經跑通了MindSpore的LeNet，不過我還是希望能把踩的這些坑記錄下來，最后再使用一下git技能：
# 切換到本地倉庫目錄
cd /home/mindspore
# 設置git
git config --global user.email "huqi1008301@163.com"
git config --global user.name "hu-qi"
# 查看本地分支，確保我的9-12還在
git branch
# 查看有哪些改變
git status
# 新增改變
git add .
# 提交改變到緩存倉庫
git commit -m 'finish LeNet'
# 推送分支到遠程（按照提示登錄）
git push origin 9-12
一頓操作猛如虎，一看代碼原地杵，當然要切換到9-12這個分支才有的啦。
結語
所謂“一分鍾”的體驗，大概花了一個小時踩坑了，然后大概花了三個小時來記錄。不足之處，期待各位大佬多多指教！