• [交流吐槽] HUAWEI LiteOS Studio当前只提供Windows 10 64 位操作系统上的安装版本????
    HUAWEI LiteOS Studio当前只提供Windows 10 64 位操作系统上的安装版本,如果对其他系统有诉求我希望可以在 Ubuntu 14上 运行 
  • [技术干货] Cisco操作系统的操作模式
    IOS分为三种不通的模式,你可以将这四种模式理解为Windows下不同的用户,如Administrator、Guest等,不同的用户有不同的权限,而每种模式可执行的操作和权限也各不相同。三种模式分为:用户模式:退出进入系统特权模式:查询与测试全局配置模式Config:从Config模式可进入多种不同的配置模式。其中每种模式可用于配置IOS设备的特定部分或特定功能。这些配置模式,主要有接口操作模式用于配置一个网络接口(Fa0/0、so/0/0等)F表示fastethernet快速以太网,0表示0号插槽 0/0表示0号插槽的0号接口线路操作模式用于配置一条线路(实际线路或虚拟线路)(例如控制台、AUX或VTY等等)路由配置操作模式用于配置一个路由选择协议进程的相关参数模式间进行切换是有一定顺序的,具体顺序可见下图:整个流程用语言描述为,进入CLI即为用户模式,此时可退出进入系统。输入enable进入特权模式,相当于windows桌面,主要用于查询与测试。输入configure terminal进入全局配置模式,基本上所有的配置都在此模式下进行。
  • [其他] Windows 安装 PaddlePaddle
    快速安装  请在下图中选择您偏好的环境配置,以获得正确的安装指令。 请注意:要求您的 Python 2 版本是 2.7.15+、Python 3 版本是 3.5.1+/3.6/3.7, pip/pip3 版本是 9.0.1+,Python 和 pip 均是 64 位版本,操作系统是 64 位操作系统。  GPU 版本的 PaddlePaddle 需要使用 cuDNN 7.3+ 版本;如果需要 GPU 多卡训练,请先安装nccl (Windows暂不支持nccl)。需要确认您的 Windows 7/8/10 是 64 位操作系统*确认您需要安装PaddlePaddle 的 python版本是3.5.1+/3.6+/3.7+,因为您计算机可能有多个python    python --version如果python版本不是3.5.1+/3.6+/3.7+,请您确认python的路径是否是您预期的位置    where python其中python3.5.1+/3.6+/3.7+的安装目录应位于第一行,如果不是,您可以通过以下任意方法调整:将所有命令行中的 python替换为 python3的安装路径(例如C:\Python36\python.exe)在环境变量中,将 python3的安装路径设置在第一顺序位(请在控制面板->系统属性->环境变量->PATH中修改)如果python版本是3.5.1+/3.6+/3.7+,请确认 Python 有对应的 pip,检查 Python 对应的 pip 的版本,确认是 9.0.1+:    python -m ensurepippython -m pip --version确认 Python 和 pip 是 64 bit,并且处理器架构是x86_64(或称作 x64、Intel 64、AMD64)架构,目前PaddlePaddle不支持arm64架构下面的第一行输出的是 "64bit",第二行输出的是 "x86_64"、"x64" 或 "AMD64" 即可:    python -c "import platform;print(platform.architecture()[0]);print(platform.machine())"执行以下命令安装(推荐使用百度源):    python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple      或    python -m pip install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple验证信息  使用 python 进入python解释器,输入import paddle.fluid ,再输入 paddle.fluid.install_check.run_check()。  如果出现 Your Paddle Fluid is installed successfully!,说明您已成功安装。
  • [安装] Windows下安装Mindspore CPU版本时出现错误
    【操作步骤&问题现象】在安装玩Mindspore之后执行run_check()时出现如下错误MindSpore version: 1.3.0WARNING: Logging before InitGoogleLogging() is written to STDERR[ERROR] DEBUG(19748,2,?):2021-9-11 22:21:2 [mindspore\ccsrc\debug\common.cc:280] SaveStringToFile] Open dump file 'C:%users\WPF\somas_meta\somas_graph0_17123576251438239986.info' failed![ERROR] DEBUG(19748,2,?):2021-9-11 22:21:2 [mindspore\ccsrc\debug\common.cc:280] SaveStringToFile] Open dump file 'C:%users\WPF\somas_meta\somas_graph0_17123576251438239986.json' failed!The result of multiplication calculation is correct, MindSpore has been installed successfully!Error in atexit._run_exitfuncs:Traceback (most recent call last):  File "C:%users\WPF\AppData\Local\Programs\Python\Python37\lib\site-packages\mindspore\dataset\__init__.py", line 26, in <module>    from .core import config  File "C:%users\WPF\AppData\Local\Programs\Python\Python37\lib\site-packages\mindspore\dataset\core\config.py", line 23, in <module>    import mindspore._c_dataengine as cdeImportError: DLL load failed: 找不到指定的模块。
  • [典型案例] FusionAccess8.0.2 BackupServer备份DHCP服务失败
    问题描述问题描述:FA8.0.2 BackupServer组件虚拟机备份DHCP服务失败,DHCP部署方式为linux虚拟机,报错信息如下图所示:问题现象:1、只有DHCP组件备份失败,其他备份正常。2、DHCP组件正常。3、自动与手动执行DHCP备份均失败。处理过程1、登录ITA Portal,进入“监控”-“告警”-“告警组件配置”,关闭“是否开启告警”(取消对接DHCP,不影响DHCP正常使用)2、手动执行备份任务,观察无DHCP备份任务,问题规避。根因HwMonitorAgent是windows备份工具,linux部署DHCP组件时无法安装该监控代理,而FA8.0.2备份DHCP会检测华为监控代理是否安装,最终导致报错。解决方案FA平台上取消对接DHCP告警,就不会产生DHCP备份任务,规避该问题。建议与总结总结:1、平台上的DHCP备份只有windows可以进行,linux安装DHCP组件无法进行备份。2、平台取消对接DHCP告警不影响DHCP正常使用。3、使用windows AD时DHCP部署在windows上不会存在该问题。
  • [问题求助] 鲲鹏代码迁移工具不支持windows软件代码的扫描、分析、迁移,那用户使用的是windows系统下的软件和代码,这怎么解决
    【功能模块】【操作步骤&问题现象】1、鲲鹏代码迁移工具不支持windows软件代码的扫描、分析、迁移,仅支持X86 linux到kunpeng linux,那用户是使用windows系统下,是需要在本地配置环境吗【截图信息】【日志信息】(可选,上传日志内容或者附件)
  • [问题求助] windows下安装MindSpore,环境安装成功。测试代码运行报错
    【功能模块】Error, package type mindspore support device type cpu, but got d测试代码 raise ValueError(f"Error, package type {__package_name__} support device type {__device_target__}, "ValueError: Error, package type mindspore support device type cpu, but got device target Ascend【操作步骤&问题现象】1、2、【截图信息】【日志信息】(可选,上传日志内容或者附件)
  • [安装] win10安装mindspore1.3.0显示安装成功但报了警告和错误
    【功能模块】【操作步骤&问题现象】1、2、【截图信息】【日志信息】(可选,上传日志内容或者附件)
  • [应用安全] 【漏洞通告】Windows通用日志文件系统本地提权漏洞CVE-2021-36963
    漏洞名称 : Windows通用日志文件系统本地提权漏洞CVE-2021-36963组件名称 : Clfs.sys影响范围 :Windows 10 Version 1607/1809/1909/2004/20H2/21H1Windows Server, version 2004/2008/2012/2016/2019/20H2(Server Core Installation)Windows 7 for 32/64-bit Systems Service Pack 1Windows Server 2008/2012/2016/2019Windows 8.1 for 32/64-bit systemsWindows Server 2022Windows RT 8.1漏洞类型 : 本地权限提升利用条件 :1、用户认证:是2、触发方式:本地综合评价 :<综合评定利用难度>:困难,用户认证后可造成本地提权。<综合评定威胁等级>:中危,能造成本地权限提升。漏洞分析:1、组件介绍    通用日志文件系统是一个通用目的的日志文件系统,它可以从内核模式或用户模式的应用程序访问,用以构建一个高性能的事务日志。它自Windows Server 2003 R2引入,并包含在之后版本的Windows操作系统中。CLFS可以用于数据日志与事件日志。CLFS已被TxF和TxR用于在提交事务前存储事务状态的变更。2、漏洞描述    近日,监测到一则clfs.sys组件存在本地提权漏洞的信息,漏洞编号:CVE-2021-36963,漏洞威胁等级:高危。    该漏洞是由于clfs.sys组件中存在整数溢出漏洞,攻击者可利用该漏洞在获得权限的情况下,构造恶意数据执行本地提权攻击,最终获取服务器最高权限。影响范围:    目前受影响的Windows版本:Windows 10 Version 1607/1809/1909/2004/20H2/21H1Windows Server, version 2004/2008/2012/2016/2019/20H2(Server Core Installation)Windows 7 for 32/64-bit Systems Service Pack 1Windows Server 2008/2012/2016/2019Windows 8.1 for 32/64-bit systemsWindows Server 2022, Windows RT 8.1解决方案:1、如何检测是否已存在补丁    在 cmd 中执行systeminfo | findstr “补丁包编号”    在命令行输出中查看是否存在以下截图中对应系统补丁包的一个2、官方修复建议    当前官方已发布受影响版本的对应补丁,建议受影响的用户及时更新官方的安全补丁。链接如下:https://msrc.microsoft.com/update-guide/vulnerability/CVE-2021-36963    打补丁方法:进入上面的链接页面,下载当前系统版本对应的补丁包进行安装
  • [应用安全] 【漏洞通告】 Windows win32k本地提权漏洞 CVE-2021-38639
    漏洞名称 : Windows win32k本地提权漏洞 CVE-2021-38639组件名称 : win32kfull.sys、win32kbase.sys、win32k.sys影响范围 :Windows 10 Version 1607/1809/1909/2004/20H2/21H1Windows Server, version 2004/2008/2012/2016/2019/20H2(Server Core Installation)Windows 7 for 32/64-bit Systems Service Pack 1Windows Server 2008/2012/2016/2019Windows 8.1 for 32/64-bit systemsWindows Server 2022Windows RT 8.1漏洞类型 : 本地权限提升利用条件 :1、用户认证:需要用户认证2、触发方式:本地综合评价 :<综合评定利用难度>:一般,低权限的攻击者可以造成权限提升从而获得系统最高权限。<综合评定威胁等级>:高危,能造成本地权限提升。漏洞分析:1、组件介绍    win32k 是Windows内核中提供gui相关功能的内核模块,例如桌面、窗口的创建和管理,是Windows桌面系统的最重要的内核模块之一。2、漏洞描述    监测到一则win32k组件存在本地权限提升漏洞的信息,漏洞编号:CVE-2021-38639,漏洞危害:高危。    该漏洞是由于win32k组件中存在UAF导致的任意地址写漏洞,攻击者可利用该漏洞在获得低权限的情况下,构造恶意数据执行本地权限提升攻击,最终获取服务器最高权限。影响范围:    win32k是Windows中最为重要的内核模块之一,存在于所有使用图形界面的Windows系统中,漏洞影响多个版本的Windows系统。    目前受影响的Windows版本:Windows 10 Version 1607/1809/1909/2004/20H2/21H1Windows Server, version 2004/2008/2012/2016/2019/20H2(Server Core Installation)Windows 7 for 32/64-bit Systems Service Pack 1Windows Server 2008/2012/2016/2019Windows 8.1 for 32/64-bit systemsWindows Server 2022, Windows RT 8.1解决方案:1、如何检测是否已存在补丁    在 cmd 中执行systeminfo | findstr “补丁包编号”    在命令行输出中查看是否存在以下截图中对应系统补丁包的一个2、官方修复建议    当前官方已发布受影响版本的对应补丁,建议受影响的用户及时更新官方的安全补丁。链接如下:https://msrc.microsoft.com/update-guide/vulnerability/CVE-2021-38639    打补丁方法:打开上述链接,下载当前系统版本对应的补丁包,进行安装。参考链接:1.https://msrc.microsoft.com/update-guide/vulnerability/CVE-2021-38639
  • [云办公百科] 【Windows桌面使用小知识】桌面登录方式
    云桌面支持多种终端登录方式(瘦终端、软终端、浏览器),您可以通过以下操作登录桌面。1、通过瘦终端方式登陆2、通过软终端方式登录桌面3、通过软终端方式登录桌面(使用代理方式上网)说明:本节中登录桌面的操作步骤以Windows PC为例进行介绍,使用其他操作的PC登录时操作略有差异,分辨率最大支持2K。4、通过浏览器登录桌面说明:使用代理方式上网时,不支持浏览器方式登录桌面。请使用IE8、IE9、IE10、IE11,最低版本要求为14的Firefox浏览器登录桌面。以下操作步骤以Windows PC为例,根据操作系统不同,详细操作步骤略有区别。5、通过移动终端登录桌面(Android系统)6、通过移动终端登录桌面(ISO系统)
  • [应用安全] 【漏洞通告】Microsoft MSHTML远程代码执行漏洞CVE-2021-40444
    漏洞名称 : Microsoft MSHTML远程代码执行漏洞 CVE-2021-40444组件名称 : Microsoft MSHTML漏洞类型 : 远程代码执行影响范围 :Windows 7 for 32/x64-based Systems Service Pack 1Windows RT 8.1Windows 8.1/10 for 32/x64-based SystemsWindows 10 Version 1607 for 32/x64-based SystemsWindows 10 Version 2004/1809/1909/20H2/21H1 for 32/x64/ARM64-based SystemsWindows Server 2012/2012 R2/2016/2022Windows Server 2008 R2 for x64-based Systems Service Pack 1/2Windows Server 2004/2012/2012 R2/2016/2019/20H2/2022 (Server Core installation)利用条件 :1、用户认证:不需要用户认证2、触发方式:远程综合评价 :<综合评定利用难度>:未知。<综合评定威胁等级>:高危,能造成远程代码执行。漏洞分析:1、组件介绍    MSHTML 是微软的窗口操作系统(Windows)搭载的网页浏览器—Internet Explorer的排版引擎的名称。MSHTML是微软公司的一个COM组件,该组件封装了HTML语言中的所有元素及其属性,通过其提供的标准接口,可以访问指定网页的所有元素。ActiveX控件是微软公司的COM架构下单产物。其在Windows操作系统中应用广泛,Windows中的Office套件,IE浏览器等产品中有广泛应用。通过ActiveX控件可以与微软的MSHTML组件进行交互。2、漏洞描述    今日,安全团队监测到一则Microsoft MSHTML组件存在远程代码执行漏洞的信息,漏洞编号:CVE-2021-40444,漏洞威胁等级:高危。    该漏洞的是由于组件自身缺陷而引起的,攻击者可利用该漏洞,通过构造恶意的Office文档发送给被攻击方,最终导致远程代码执行。影响范围:微软ActiveX控件是微软公司的COM架构下单产物。其在Windows操作系统中应用广泛,Windows中的Office套件,IE浏览器等产品中有广泛应用。通过ActiveX控件可以与微软的MSHTML组件进行交互,从而引起安全问题。Windows作为全球安装用户量最大的操作系统,使用范围遍及世界各地,涉及用户量多,导致该漏洞的危害等级较高。目前受影响的版本:Windows 7 for 32/x64-based Systems Service Pack 1Windows RT 8.1Windows 8.1/10 for 32/x64-based SystemsWindows 10 Version 1607 for 32/x64-based SystemsWindows 10 Version 2004/1809/1909/20H2/21H1 for 32/x64/ARM64-based SystemsWindows Server 2012/2012 R2/2016/2022Windows Server 2008 R2 for x64-based Systems Service Pack 1/2Windows Server 2004/2012/2012 R2/2016/2019/20H2/2022 (Server Core installation)解决方案:1、临时解决方案    当前官方已发布临时修复方案1、创建一个.reg类型的文件,并写入如下内容:Windows Registry Editor Version 5.00[HKEY_LOCAL_MACHINE\SOFTWARE\Policies\Microsoft\Windows\CurrentVersion\Internet Settings\Zones\0]"1001"=dword:00000003"1004"=dword:00000003[HKEY_LOCAL_MACHINE\SOFTWARE\Policies\Microsoft\Windows\CurrentVersion\Internet Settings\Zones\1]"1001"=dword:00000003"1004"=dword:00000003[HKEY_LOCAL_MACHINE\SOFTWARE\Policies\Microsoft\Windows\CurrentVersion\Internet Settings\Zones\2]"1001"=dword:00000003"1004"=dword:00000003[HKEY_LOCAL_MACHINE\SOFTWARE\Policies\Microsoft\Windows\CurrentVersion\Internet Settings\Zones\3]"1001"=dword:00000003"1004"=dword:000000032、保存并双击该文件。3、重启操作系统参考链接:https://msrc.microsoft.com/update-guide/vulnerability/CVE-2021-40444
  • [其他] 使用PyCharm ToolKit工具快速实现模型训练和部署
    这里简单提供了使用MXNet实现手写数字图像识别应用的示例,帮助您使用ModelArts提供的PyCharm ToolKit工具,在本地快速完成模型的训练和部署。MNIST是一个手写体数字识别数据集,常被用作深度学习的入门样例。本示例将针对MNIST数据集,使用MXNet原生接口编写的模型训练脚本(ModelArts默认提供),在ModelArts PyCharm ToolKit中完成模型训练,并将此模型部署为在线服务。部署完成后,用户可通过在线服务识别输入图片中的数字。开始使用样例前,请仔细阅读准备工作罗列的要求,提前完成准备工作。本示例模型构建的步骤如下所示:准备工作本地已安装PyCharm 2019.2或以上版本,推荐Windows版本,Community或Professional均可,请单击PyCharm工具下载地址获取工具并在本地完成安装。已注册华为云帐号,且在使用ModelArts前检查帐号状态,帐号不能处于欠费或冻结状态。在ModelArts管理控制台中,当前帐号已完成访问授权的配置。如果已完成,此操作可跳过。如未完成,请参考使用委托授权。针对之前使用访问密钥授权的用户,建议清空授权,然后使用委托进行授权。已在OBS服务中创建桶和文件夹,用于存放样例数据集以及模型。如下示例中,请创建命名为“test-modelarts”的桶,并创建如表1所示的文件夹。创建OBS桶和文件夹的操作指导请参见创建桶和新建文件夹。确保您使用的OBS目录与ModelArts在同一区域。表1 文件夹列表步骤1:安装PyCharm ToolKit,并添加访问密钥获取PyCharm ToolKit工具安装包,单击ToolKit工具的下载地址,获得工具包。打开本地PyCharm工具。在PyCharm工具中,选择菜单栏的“File > Settings”,弹出“Settings”对话框。在“Settings”对话框中,首先单击左侧导航栏中的“Plugins”,然后单击右侧的设置图标,选择“Install Plugin from Disk”,弹出文件选择对话框。图1 选择从本地安装插件在弹出的对话框中,从本地目录选择ToolKit的工具包,然后单击“OK”。图2 选择插件文件单击“Restart IDE”重启PyCharm。在弹出的确认对话框中,单击“Restart”开始重启。图3 重启PyCharm重启成功后,当PyCharm工具栏出现“ModelArts”页签,表示ToolKit工具已安装完成。图4 安装成功获取访问密钥,并在PyCharm中添加密钥。获取此帐号的访问密钥(“AK/SK”),详细操作请参见获取访问密钥。PyCharm ToolKit安装后,在ToolKit工具中添加访问密钥,详细操作请参见使用访问秘钥登录。图5 填写区域和访问密钥查看认证结果。在Event Log区域中,当提示如下类似信息时,表示访问密钥添加成功。16:01Validate Credential Success: The HUAWEI CLOUD credential is valid.步骤2:准备数据ModelArts在公共OBS桶中提供了MNIST数据集,命名为“Mnist-Data-Set”,因此,本文的操作示例使用此数据集进行模型构建。您需要执行如下操作,将数据集上传至您的OBS目录下,即准备工作中您创建的OBS目录“test-modelarts/dataset-mnist”。单击数据集下载链接,将“Mnist-Data-Set”数据集下载至本地。在本地,将“Mnist-Data-Set.zip”压缩包解压。例如,解压至本地“Mnist-Data-Set”文件夹下。参考上传文件,使用批量上传方式将“Mnist-Data-Set”文件夹下的所有文件上传至“test-modelarts/dataset-mnist”OBS路径下。“Mnist-Data-Set”数据集包含的内容如下所示,其中“.gz”为对应的压缩包。“t10k-images-idx3-ubyte”:验证集,共包含10000个样本。“t10k-images-idx3-ubyte.gz”:验证集的压缩包文件。“t10k-labels-idx1-ubyte”:验证集标签,共包含10000个样本的类别标签。“t10k-labels-idx1-ubyte.gz”:验证集标签的压缩包文件。“train-images-idx3-ubyte”:训练集,共包含60000个样本。“train-images-idx3-ubyte.gz”:训练集的压缩包文件。“train-labels-idx1-ubyte”:训练集标签,共包含60000个样本的类别标签。“train-labels-idx1-ubyte.gz”:训练集标签的压缩包文件。步骤3:编写训练代码ModelArts提供了本示例需要使用的训练代码,请获取并在PyCharm工程中打开。在gitee的ModelArts-Lab工程中,单击“克隆/下载”,然后单击“下载ZIP”,下载工程。下载完成后,解压缩“ModelArts-Lab-master.zip”文件,然后在“\ModelArts-Lab-master\official_examples%using_MXNet_to_Create_a_MNIST_Dataset_Recognition_Application\codes”目录中获取到训练代码文件“train_mnist.py”。打开PyCharm工具,单击“File > New Project”创建新工程, 在工程目录下创建“src”文件夹,并将训练代码文件“train_mnist.py”拷贝到“src”文件夹下。图6 将训练代码拷贝至src目录步骤4:训练模型数据和代码准备完成后,您可以创建一个训练作业,选用MXNet引擎,基于本地的train_mnist.py训练脚本,并最终生成一个可用的模型。本示例已提供编码完成的脚本(基于MXNet引擎的原生接口),如果使用自行编写的代码,请使用ModelArts支持的引擎类型及其对应版本的接口,并满足其要求。在PyCharm工具栏中,选择“ModelArts > Edit Training Job Configuration”。在弹出的对话框中,按照如下示例配置训练参数。“Job Name”:自动生成,首次提交训练作业时,该名称也可以自己指定。“AI Engine”:选择“MXNet”,版本为“MXNet-1.2.1-python3.6”。“Algorithm Source”:选择“Frequently-used”,代表常用框架。“Specifications”:选择GPU规格。“OBS Path”:填写准备工作中创建的输出路径,用于存储训练输出模型和日志文件。“Data Path in OBS”:填写步骤2:准备数据中数据上传的OBS目录。此处需完整OBS路径,需包含OBS桶名称。此示例填写的值如图所示,请务必修改为您自己的OBS桶及路径。“Boot File Path”:选择本地的训练脚本“train_mnist.py”。“Code Directory”:选择启动脚本所在“src”目录。“Running Parameters”:是训练脚本所需要的输入参数,本样例中没有参数,无需填写。填写完成后,单击“Apply and Run”提交训练作业到云上ModelArts。说明: 由于MNIST数据集数据较多,为提升训练效率,操作示例选择GPU训练。但是,GPU的费用高于CPU,请根据实际情况选择可用的资源池。图7配置训练作业训练作业提交后,可在下方查看训练日志。当训练日志中出现“Current training job status: Successful”类似信息时,表示训练作业运行成功。图8 查看训练日志其中, “ModelArts Event Log”栏为工具打印的日志,“ModelArts Training Log”为训练脚本代码打印的日志。从日志可以看到,工具会先将本地工程的代码自动上传至云上OBS,然后自动提交一个训练作业。作业提交成功后,工具会实时从云上的训练环境获取日志并展示在“ModelArts Training Log”窗口,直至作业运行结束。在PyCharm的左边菜单栏,单击“ModelArts Explorer”,选择刚才提交的作业,双击版本号“V0001”,可以查看作业详情。图9选择对应的训练作业及版本图10 训练作业详情步骤5:编写推理代码和配置文件,并上传至模型所在路径ModelArts提供了本示例需要使用的推理代码“customize_service.py”和配置文件“config.json”,文件路径和下载的git工程中的训练代码在同一目录。此推理代码和配置文件是ModelArts提供的示例。在步骤4:训练模型中,训练作业生成的模型存储在“test-modelarts/mnist-output/MA-mnist-11-30-16/output/V0001”路径下(其中MA-mnist-11-30-16是Job Name,如果配置时填写了自定义Job Name,则路径中就是自定义的Job Name),且系统将自动生成“model”文件夹,模型相关的文件存储在此目录下。将获取的“customize_service.py”和“config.json”文件,上传至OBS的“model”文件夹下。说明:如果训练作业运行多次,将在“训练输出位置”生成不同的版本,即“mnist-output”目录下将生成多种版本的目录,如“V0001”、“V0002”,请基于训练作业的版本,将文件上传至对应版本下的“model”文件夹内。前往OBS管理控制台,找到“test-modelarts”桶,然后进入“test-modelarts/mnist-output/MA-mnist-11-30-16/output/V001/model”路径,执行“上传对象”的操作。OBS的上传操作指导,请参见上传文件。步骤6:部署在线服务训练完成的模型还是存储在OBS路径中,您可以将此模型导入到ModelArts中并部署为在线服务。在训练作业版本号上单击鼠标右键,选择“Deploy to Service”。图11 部署为在线服务在弹出的对话框中,按照如下说明填写部署为在线服务的参数。“Service Name”:自动生成,也可以自定义。“Auto Stop”:勾选Auto Stop,表示启动自动停止功能,服务会在指定时间后自动停止。“Model Path”:自动填写,无需自己配置。与您选择的训练作业及其版本一致。“Environment Variables”:填写运行参数,设置为“input_data_name=images;input_data_shape=0,1,28,28;output_data_shape=0,10”。“input_data_name”:参数值必须是images。针对自己开发训练脚本的场景,此参数是必须设置的。您可以在导入模型时设置参数,也可以写到推理代码中。“input_data_shape”:代表NCHW。本示例的数值为“0,1,28,28”,表示设置了输入图片的规则,其中,输入预测图片大小必须是“28px*28px”。“output_data_shape”:置信度。本示例指定范围为“0~10”。表示输出结果会显示“0~9”中10个类别,属于每一个类别的概率。信息填写完成后,单击“OK”,开始服务部署。图12 部署为在线服务可以在最下方的日志栏查看服务部署进度。图13查看部署进度模型部署上线需要花费一些时间,请耐心等待几分钟。当出现类似“Service status is running”信息时,表示服务部署成功。服务部署成功后,将展示在线服务的链接,单击链接可以进入华为云ModelArts在线服务的界面。说明:首次进入需要输入华为云帐号密码登录。图14 完成部署步骤7:测试服务在线服务部署成功后,您可以进入在线服务,发起预测请求进行测试。部署成功后,单击提供的链接进入在线服务。在线服务详情页面中,单击“预测”页签,进入预测页面。在“选择预测图片文件”右侧,单击“上传”按钮,上传一张黑底白字的图片,然后单击“预测”。预测完成后,预测结果显示区域将展示预测结果,根据预测结果内容,可识别出此图片的数字是“8”的概率为“1”。说明:由于推理代码和配置文件中已指定图片要求,用于预测的图片,大小必须为“28px*28px”,且图片必须是黑底白字。建议不要使用数据中自带的图片,可以使用Windows自带的画图工具绘制一张。图15 预测结果步骤8:清除相应资源,避免产生费用为避免产生不必要的费用,在完成试用后,建议您删除相关资源,如在线服务、训练作业及其OBS目录。进入ModelArts管理控制台,删除在线服务:在“在线服务”页面,单击操作列的“更多>删除”。进入ModelArts管理控制台,删除训练作业:在“训练作业”页面,单击操作列的“删除”。进入OBS管理控制台,删除数据准备阶段创建的OBS桶。先逐个删除桶内文件夹和文件,再执行删除桶的操作。
  • [安装] 【mindspore】【windows x64】安装不完全成功,mindspore._c_dataengine导入失败
    python -c "import mindspore;mindspore.run_check()" 检测出现 import mindspore._c_dataengine as cdv 错误>>> import mindspore>>> mindspore.run_check()MindSpore version: 1.3.0WARNING: Logging before InitGoogleLogging() is written to STDERR[ERROR] DEBUG(13756,2,?):2021-9-5 13:40:19 [mindspore\ccsrc\debug\common.cc:280] SaveStringToFile] Open dump file 'C:\WINDOWS\system32\somas_meta\somas_graph0_17123576251438239986.info' failed![ERROR] DEBUG(13756,2,?):2021-9-5 13:40:19 [mindspore\ccsrc\debug\common.cc:280] SaveStringToFile] Open dump file 'C:\WINDOWS\system32\somas_meta\somas_graph0_17123576251438239986.json' failed!The result of multiplication calculation is correct, MindSpore has been installed successfully!
  • [执行问题] MindSpore 1.3.0 官方LeNet windows上执行报错
    执行python train.py报以下错:具体信息如下:PS F:\0828\mindspore\model_zoo\official\cv\lenet> python train.py{'enable_modelarts': 'Whether training on modelarts, default: False', 'data_url': 'Dataset url for obs', 'train_url': 'Training output url for obs', 'data_path': 'Dataset path for local', 'output_path': 'Training output path for local', 'device_target': 'Target device type', 'enable_profiling': 'Whether enable profiling while training, default: False', 'file_name': 'output file name.', 'file_format': 'file format', 'result_path': 'result files path.', 'img_path': 'image file path.'}{'air_name': 'lenet', 'batch_size': 32, 'buffer_size': 1000, 'checkpoint_url': '', 'ckpt_file': '/cache/train/checkpoint_lenet-10_1875.ckpt', 'ckpt_path': '/cache/train/', 'data_path': '/cache/data', 'data_url': '', 'dataset_name': 'mnist', 'dataset_sink_mode': True, 'device_id': 0, 'device_target': 'Ascend', 'enable_modelarts': False, 'enable_profiling': False, 'epoch_size': 10, 'file_format': 'MINDIR', 'file_name': 'lenet', 'image_height': 32, 'image_width': 32, 'img_path': '', 'keep_checkpoint_max': 10, 'learning_rate': 0.002, 'load_path': '/cache/checkpoint_path', 'lr': 0.01, 'model_name': 'lenet', 'momentum': 0.9, 'num_classes': 10, 'output_path': '/cache/train', 'result_path': '', 'save_checkpoint': True, 'save_checkpoint_epochs': 2, 'save_checkpoint_steps': 1875, 'sink_size': -1, 'train_url': ''}Traceback (most recent call last): File "train.py", line 23, in <module> from src.model_utils.moxing_adapter import moxing_wrapper File "F:\0828\mindspore\model_zoo\official\cv\lenet\src\model_utils\moxing_adapter.py", line 21, in <module> from mindspore.profiler import Profiler File "C:%users\zhang\AppData\Local\Programs\Python\Python37\lib\site-packages\mindspore\profiler\__init__.py", line 25, in <module> from mindspore.profiler.profiling import Profiler File "C:%users\zhang\AppData\Local\Programs\Python\Python37\lib\site-packages\mindspore\profiler\profiling.py", line 26, in <module> from mindspore.dataset.core.config import _stop_dataset_profiler File "C:%users\zhang\AppData\Local\Programs\Python\Python37\lib\site-packages\mindspore\dataset\__init__.py", line 26, in <module> from .core import config File "C:%users\zhang\AppData\Local\Programs\Python\Python37\lib\site-packages\mindspore\dataset\core\config.py", line 23, in <module> import mindspore._c_dataengine as cdeImportError: DLL load failed: 找不到指定的模块。PS F:\0828\mindspore\model_zoo\official\cv\lenet>
总条数:337 到第
上滑加载中