在云上使用MindSpore

概述

ModelArts是华为云提供的面向开发者的一站式AI开发平台,集成了昇腾AI处理器资源池,用户可以在该平台下体验MindSpore。

本教程以ResNet-50为例,简要介绍如何在ModelArts使用MindSpore完成训练任务。

准备工作

ModelArts使用准备

参考ModelArts教程“准备工作”一栏,完成账号注册、ModelArts配置和创建桶的准备工作。

ModelArts教程链接:https://support.huaweicloud.com/wtsnew-modelarts/index.html。页面提供了较丰富的ModelArts教程,参考“准备工作”部分完成ModelArts准备工作。

拥有云上昇腾AI处理器资源

确保你的账号已经拥有ModelArts昇腾AI处理器体验资格。如果你还没有体验资格,可以按照指引https://www.mindspore.cn/install申请云上体验资格。

数据准备

ModelArts使用对象存储服务(Object Storage Service,简称OBS)进行数据存储,因此,在开始训练任务之前,需要将数据上传至OBS。本示例使用CIFAR-10二进制格式数据集。

  1. 下载CIFAR-10数据集并解压。

    CIFAR-10数据集下载页面:http://www.cs.toronto.edu/~kriz/cifar.html。页面提供3个数据集下载链接,本示例使用CIFAR-10 binary version。

  2. 新建一个自己的OBS桶(例如:ms-dataset),在桶中创建数据目录(例如:cifar-10),将CIFAR-10数据按照如下结构上传至数据目录。

    └─对象存储/ms-dataset/cifar-10
        ├─train
        │      data_batch_1.bin
        │      data_batch_2.bin
        │      data_batch_3.bin
        │      data_batch_4.bin
        │      data_batch_5.bin
        │
        └─eval
            test_batch.bin
    

执行脚本准备

新建一个自己的OBS桶(例如:resnet50-train),在桶中创建代码目录(例如:resnet50_cifar10_train),并将以下目录中的所有脚本上传至代码目录:

https://gitee.com/mindspore/docs/tree/r0.3/tutorials/tutorial_code/sample_for_cloud/脚本使用ResNet-50网络在CIFAR-10数据集上进行训练,并在训练结束后验证精度。脚本可以在ModelArts采用1*Ascend8*Ascend两种不同规格进行训练任务。

为了方便后续创建训练作业,先创建训练输出目录和日志输出目录,本示例创建的目录结构如下:

└─对象存储/resnet50-train
    ├─resnet50_cifar10_train
    │      dataset.py
    │      resnet50_train.py
    │
    ├─output
    └─log

通过简单适配将MindSpore脚本运行在ModelArts

“执行脚本准备”章节提供的脚本可以直接运行在ModelArts,想要快速体验ResNet-50训练CIFAR-10可以跳过本章节。如果需要将自定义MindSpore脚本或更多MindSpore示例代码在ModelArts运行起来,需要参考本章节对MindSpore代码进行简单适配。

适配脚本参数

  1. 在ModelArts运行的脚本必须配置data_urltrain_url,分别对应数据存储路径(OBS路径)和训练输出路径(OBS路径)。

    import argparse
    
    parser = argparse.ArgumentParser(description='ResNet-50 train.')
    parser.add_argument('--data_url', required=True, default=None, help='Location of data.')
    parser.add_argument('--train_url', required=True, default=None, help='Location of training outputs.')
    
  2. ModelArts界面支持向脚本中其他参数传值,在下一章节“创建训练作业”中将会详细介绍。

    parser.add_argument('--epoch_size', type=int, default=90, help='Train epoch size.')
    

适配OBS数据

MindSpore暂时没有提供直接访问OBS数据的接口,需要通过MoXing提供的API与OBS交互。ModelArts训练脚本在容器中执行,通常选用/cache目录作为容器数据存储路径。

华为云MoXing提供了丰富的API供用户使用https://github.com/huaweicloud/ModelArts-Lab/tree/r0.3/docs/moxing_api_doc,本示例中仅需要使用copy_parallel接口。

  1. 将OBS中存储的数据下载至执行容器。

    import moxing as mox
    mox.file.copy_parallel(src_url='s3://dataset_url/', dst_url='/cache/data_path')
    
  2. 将训练输出从容器中上传至OBS。

    import moxing as mox
    mox.file.copy_parallel(src_url='/cache/output_path', dst_url='s3://output_url/')
    

适配8卡训练任务

如果需要将脚本运行在8*Ascend规格的环境上,需要对创建数据集的代码和本地数据路径进行适配,并配置分布式策略。通过获取DEVICE_IDRANK_SIZE两个环境变量,用户可以构建适用于1*Ascend8*Ascend两种不同规格的训练脚本。

  1. 本地路径适配。

    import os
    
    device_num = int(os.getenv('RANK_SIZE'))
    device_id = int(os.getenv('DEVICE_ID'))
    # define local data path
    local_data_path = '/cache/data'
    
    if device_num > 1:
        # define distributed local data path
        local_data_path = os.path.join(local_data_path, str(device_id))
    
  2. 数据集适配。

    import os
    import mindspore.dataset.engine as de
    
    device_id = int(os.getenv('DEVICE_ID'))
    device_num = int(os.getenv('RANK_SIZE'))
    if device_num == 1:
        # create train data for 1 Ascend situation
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True)
    else:
        # create train data for 1 Ascend situation, split train data for 8 Ascend situation
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True,
                               num_shards=device_num, shard_id=device_id)
    
  3. 配置分布式策略。

    import os
    from mindspore import context
    from mindspore.train.model import ParallelMode
    
    device_num = int(os.getenv('RANK_SIZE'))
    if device_num > 1:
        context.set_auto_parallel_context(device_num=device_num,
                                          parallel_mode=ParallelMode.DATA_PARALLEL,
                                          mirror_mean=True)
    

示例代码

结合以上三点对MindSpore脚本进行简单适配,以下述伪代码为例:

原始MindSpore脚本:

import os
import argparse
from mindspore import context
from mindspore.train.model import ParallelMode
import mindspore.dataset.engine as de

device_id = int(os.getenv('DEVICE_ID'))
device_num = int(os.getenv('RANK_SIZE'))

def create_dataset(dataset_path):
    if device_num == 1:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True)
    else:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True,
                               num_shards=device_num, shard_id=device_id)
    return ds

def resnet50_train(args_opt):
    if device_num > 1:
        context.set_auto_parallel_context(device_num=device_num,
                                          parallel_mode=ParallelMode.DATA_PARALLEL,
                                          mirror_mean=True)
    train_dataset = create_dataset(local_data_path)

if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='ResNet-50 train.')
    parser.add_argument('--local_data_path', required=True, default=None, help='Location of data.')
    parser.add_argument('--epoch_size', type=int, default=90, help='Train epoch size.')

    args_opt, unknown = parser.parse_known_args()

    resnet50_train(args_opt)

适配后的MindSpore脚本:

import os
import argparse
from mindspore import context
from mindspore.train.model import ParallelMode
import mindspore.dataset.engine as de

# adapt to cloud: used for downloading data
import moxing as mox

device_id = int(os.getenv('DEVICE_ID'))
device_num = int(os.getenv('RANK_SIZE'))

def create_dataset(dataset_path):
    if device_num == 1:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True)
    else:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=8, shuffle=True,
                               num_shards=device_num, shard_id=device_id)
    return ds

def resnet50_train(args_opt):
    # adapt to cloud: define local data path
    local_data_path = '/cache/data'

    if device_num > 1:
        context.set_auto_parallel_context(device_num=device_num,
                                          parallel_mode=ParallelMode.DATA_PARALLEL,
                                          mirror_mean=True)
        # adapt to cloud: define distributed local data path
        local_data_path = os.path.join(local_data_path, str(device_id))

    # adapt to cloud: download data from obs to local location
    print('Download data.')
    mox.file.copy_parallel(src_url=args_opt.data_url, dst_url=local_data_path)

    train_dataset = create_dataset(local_data_path)

if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='ResNet-50 train.')
    # adapt to cloud: get obs data path
    parser.add_argument('--data_url', required=True, default=None, help='Location of data.')
    # adapt to cloud: get obs output path
    parser.add_argument('--train_url', required=True, default=None, help='Location of training outputs.')
    parser.add_argument('--epoch_size', type=int, default=90, help='Train epoch size.')
    args_opt, unknown = parser.parse_known_args()

    resnet50_train(args_opt)

创建训练任务

准备好数据和执行脚本以后,需要创建训练任务将MindSpore脚本真正运行起来。首次使用ModelArts的用户可以根据本章节了解ModelArts创建训练作业的流程。

本章节以MindSpore 0.1.0-alpha版本为例。

进入ModelArts控制台

打开华为云ModelArts主页https://www.huaweicloud.com/product/modelarts.html,点击该页面的“进入控制台”。

使用常用框架创建训练作业

ModelArts教程https://support.huaweicloud.com/engineers-modelarts/modelarts_23_0238.html展示了如何使用常用框架创建训练作业。

使用MindSpore作为常用框架创建训练作业

以本教程使用的训练脚本和数据为例,详细列出在创建训练作业界面如何进行配置:

  1. 算法来源选择常用框架 > Ascend-Powered-Engine > MindSpore-0.1-aarch64-cp37

  2. 代码目录选择预先在OBS桶中创建代码目录,启动文件选择代码目录下的启动脚本。

  3. 数据来源选择数据存储位置,并填入OBS中CIFAR-10数据集的位置。

  4. 运行参数数据存储位置训练输出位置分别对应运行参数data_urltrain_url,选择增加运行参数可以向脚本中其他参数传值,如epoch_size

  5. 资源池选择公共资源池 > Ascend

  6. 资源池 > 规格选择Ascend: 1 * Ascend 910 CPU:24 96GiBAscend: 8 * Ascend 910 CPU:192 768GiB,分别表示单机单卡和单机8卡规格。

使用MindSpore作为常用框架创建训练作业,如下图所示。

训练作业参数

训练作业规格

查看运行结果

  1. 在训练作业界面可以查看运行日志

    采用8*Ascend规格执行ResNet-50训练任务,epoch总数为90,精度约为91%,每秒训练图片张数约12200,日志如下图所示。

    8*Ascend训练执行结果

    采用1*Ascend规格执行ResNet-50训练任务。epoch总数为90,精度约为91%,每秒训练图片张数约1600,日志如下图所示。

    1*Ascend训练执行结果

  2. 如果创建训练作业时指定了日志路径,可以从OBS下载日志文件并查看。