MindInsight

• MindInsight介绍
• 安装
  • 确认系统环境信息
  • 安装方式
    • pip安装
    • 源码编译安装
      • 从代码仓下载源码
      • 编译安装MindInsight
  • 验证是否成功安装
• 快速入门
• 文档
• 社区
  • 治理
  • 交流
• 贡献
• 版本说明
• 许可证

View English

MindInsight介绍

MindInsight为MindSpore提供了简单易用的调优调试能力。在训练过程中，可以将标量、张量、图像、计算图、模型超参、训练耗时等数据记录到文件中，通过MindInsight可视化页面进行查看及分析。

点击查看MindInsight设计文档，了解更多设计详情。 点击查看教程文档，了解更多MindInsight教程。

安装

确认系统环境信息

• 硬件平台为Ascend或GPU。
• 确认安装Python 3.7.5版本。
• MindInsight与MindSpore的版本需保持一致。
• 若采用源码编译安装，还需确认安装以下依赖。
  • 确认安装CMake 3.14.1及以上版本。
  • 确认安装GCC 7.3.0版本。
  • 确认安装node.js 10.19.0及以上版本。
  • 确认安装wheel 0.32.0及以上版本。
  • 确认安装pybind11 2.4.3及以上版本。
• 其他依赖参见requirements.txt。

安装方式

可以采用pip安装或者源码编译安装两种方式。

pip安装

安装PyPI上的版本:

pip install mindinsight

安装自定义版本:

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/{version}/MindInsight/ascend/{system}/mindinsight-{version}-cp37-cp37m-linux_{arch}.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

• 在联网状态下，安装whl包时会自动下载MindInsight安装包的依赖项（依赖项详情参见requirements.txt），其余情况需自行安装。
• {version}表示MindInsight版本号，例如下载1.0.1版本MindInsight时，{version}应写为1.0.1。
• {arch}表示系统架构，例如使用的Linux系统是x86架构64位时，{arch}应写为x86_64。如果系统是ARM架构64位，则写为aarch64。
• {system}表示系统版本，例如使用的欧拉系统ARM架构，{system}应写为euleros_aarch64，目前Ascend版本可支持以下系统euleros_aarch64/centos_aarch64/centos_x86/ubuntu_aarch64/ubuntu_x86；GPU版本可支持以下系统ubuntu_x86。

源码编译安装

从代码仓下载源码

git clone https://gitee.com/mindspore/mindinsight.git

编译安装MindInsight

可选择以下任意一种安装方式：

1. 在源码根目录下执行如下命令。

   cd mindinsight
   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   python setup.py install

2. 构建whl包进行安装。

   进入源码的根目录，先执行build目录下的MindInsight编译脚本，再执行命令安装output目录下生成的whl包。

   cd mindinsight
   bash build/build.sh
   pip install output/mindinsight-{version}-cp37-cp37m-linux_{arch}.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

验证是否成功安装

执行如下命令：

mindinsight start

如果出现下列提示，说明安装成功：

Web address: http://127.0.0.1:8080
service start state: success

快速入门

使用MindInsight前，需要先将训练过程中的数据记录下来，启动MindInsight时，指定所保存的数据的位置，启动成功后， 即可通过可视化页面查看数据。下面将简单介绍记录训练过程数据，以及启动、停止MindInsight服务。

SummaryCollector是MindSpore提供的快速简易地收集一些常见信息的接口，收集的信息包括计算图、损失值、学习率、参数权重等。 下面是使用 SummaryCollector 进行数据收集的示例，其中指定存放数据的目录为 ./summary_dir。

...

from mindspore.train.callback import SummaryCollector
summary_collector = SummaryCollector(summary_dir='./summary_dir')
model.train(epoch=1, ds_train, callbacks=[summary_collector])

更多记录可视化数据的方法，请点击查看MindInsight使用教程。

收集好数据后，启动MindInsight时指定存放数据的目录。

mindinsight start --summary-base-dir ./summary_dir

启动成功后，通过浏览器访问 http://127.0.0.1:8080，查看可视化页面。

停止MindInsight服务的命令：

mindinsight stop

文档

有关安装指南、教程和API的更多详细信息，请参阅用户文档。

社区

治理

查看MindSpore如何进行开放治理。

交流

• MindSpore Slack 开发者交流平台。
• #mindsporeIRC频道（仅用于会议记录）
• 视频会议：待定
• 邮件列表：https://mailweb.mindspore.cn/postorius/lists

贡献

欢迎参与贡献。更多详情，请参阅我们的贡献者Wiki。

版本说明

版本说明请参阅RELEASE。

许可证

Apache License 2.0