我记着是版本过高了用不了了是么，要下载哪个版本

有啥参考教程吗

mindIR文件能直接在windows上执行推理吗

win7安装studio后2.18后无法运行。错误提示：[2022-03-24 10:41:10,167] [ERROR] - com.huawei.mateinfo.ipa.studio.app.plugin.management.PluginInitializer.initialize(PluginInitializer.java:50) - Failed to install the plugin package for the initialization, error details: Error processing line 7 of C:\Program Files\Huawei\WeAutomate\Studio 2.18.0\python\lib\site-packages\pywin32.pth:  Traceback (most recent call last):    File "site.py", line 169, in addpackage    File "<string>", line 1, in <module>    File "C:\Program Files\Huawei\WeAutomate\Studio 2.18.0\python\lib\site-packages\win32\lib\pywin32_bootstrap.py", line 22, in <module>      os.add_dll_directory(path)    File "os.py", line 1109, in add_dll_directory  OSError: [WinError 127] 找不到指定的程序。: 'C:\\Program Files\\Huawei\\WeAutomate\\Studio 2.18.0\\python\\lib\\site-packages\\pywin32_system32'Remainder of file ignoredTraceback (most recent call last):  File "./tools/plugin_install.py", line 14, in <module>  File "./com/huawei/antrobot/exception/__init__.py", line 12, in <module>  File "./com/huawei/antrobot/exception/robot_error.py", line 12, in <module>  File "./com/huawei/antrobot/utils/i18n.py", line 19, in <module>  File "./com/huawei/antrobot/logging/logger.py", line 14, in <module>  File "<frozen zipimport>", line 259, in load_module  File "logging\config.py", line 30, in <module>  File "<frozen zipimport>", line 259, in load_module  File "logging\handlers.py", line 26, in <module>  File "<frozen zipimport>", line 259, in load_module  File "socket.py", line 49, in <module>ImportError: DLL load failed while importing _socket: 参数错误。com.huawei.adc.rpa.studio.app.common.exception.CommandLineRuntimeException: Execute command exit 1打开studio/python目录，在当前目录打开一个cmd，然后输入python.exe提示Error processing line 7 of C:\Program Files\Huawei\WeAutomate\Studio 2.18.0\python\lib\site-packages\pywin32.pth:原因是需要 安装一个软件包。https://github.com/pyinstaller/pyinstaller/issues/4855Failed to execute script pyi_rth_multiprocessing, ImportError: DLL load failed while importing _socket: The parameter is incorrect.附件包安装KB2533623如附件，下载后安装即可。

安装Windows 11操作系统的电脑启动后可以直接进入Windows 365 Cloud PC云操作系统，用户也可以使用 Windows 11 的虚拟桌面功能在云操作系统和本地之间来回切换。随着越来越多的企业开始采用混合办公模式，微软的策略是让企业用户既可以通过传统设备在本地进行办公，也可以无缝切换到虚拟化的云操作界面。第一个是Windows365 Boot，这将使安装Windows 11操作系统的设备在启动时直接登录到云操作系统，而不是本地系统。转载于CSDN微信公众号

我购买了Atlas 200的PCIe的推理卡，在Windows环境下想用Pycharm Python开发推理，但Windows环境无法Import acl , 我有在Windows下面安装了一个Utunbu的虚拟机 安装了Toolkit 配置好环境变量后是可以加载ACL的,但最终想在windows环境下运行，目前C++的Demo已经可以正常运行，但本人对C++开发不是很熟悉，想用Python 请指点

今年 1 月，微软官方曾表示，Windows 11 与之前的版本相比，被用户接受的速度已经算是非常快，但事情似乎并不像他们想象的那么顺利。近日， Windows 应用商店广告服务商 AdDuplex 公布了 3 月份 Windows 系统用户的统计结果，数据显示 Windows 11 在 3 月份的用户占比为 19.4% ，仅比 2 月份 19.3% 的份额增长了 0.1%。尽管年初 Windows 11 系统所占份额曾一度翻了一番，但根据目前的数据可以看出 Windows 11 系统用户占比已逐渐趋于平稳。与 Windows 11 的细微增长不同，Windows 10 （21H2）占比继续轻松领先 ，从 2 月份的 21% 增加到 3 月份的 28.5%；此外，Windows 10（21H1）也占有 26.5% 之多，去年发布的这两个 Windows 10 版本共占据了一半以上份额。严格的硬件兼容性为何如今 Windows 10 仍占有主导地位？The Register 网站认为，其原因要么是用户没有选择升级到 Windows 11，要么更可能的是微软严格的硬件兼容性令用户无法安装升级 Windows 11。在 Windows 11 发行之初，微软称之为“10年以来最重要的更新版本之一”。但发行以来，Windows 11 做出了不少令用户感到不满的行为，如被爆料其内存保护功能降低了某些游戏画面帧率，还有上个月微软试图在 Windows 11 的文件管理器中推送其他微软产品的广告等。种种令人不满的行为都有可能是用户不愿意升级的原因之一。此外，微软严格的硬件兼容性更是一部分用户无法升级安装 Windows 11 的原因：用户原先的电脑无法安装硬件需求过高的 Windows 11。目前，Windows 11 停滞不前的增长进一步证明了微软专断的硬件要求的影响。Windows 11——设计师的心血来潮？不少网友对于当下的 Windows 11 系统发表了自己的观点，一部分比较满意 Windows 11 现状的用户表示：网友“DML71”：“我已经使用 Windows 11 几个月了，除了里面一些图形变化之外，我不得不说它震撼了我，但我肯定还有很多我不知道的改进，如快速敏捷的性能等。”而更多认为 Windows 11 很“鸡肋”的用户则表示：网友“Duncan Macdonald”：“Windows 11 与 Windows 10相比提供的优势非常少，并且有几个报告的缺点。Windows 11 的许多变化似乎只是一些设计师的心血来潮，而不是为了任何客户利益。”网友“The Man Who Fell To Earth”：“微软没有正当理由对 Windows 11提出硬件要求。如果他们想要被更广泛的采用，应当将硬件要求恢复到 Windows 10 目前所需的水平。”你是否有在使用 Windows 11，你对其有何看法？原文链接：https://blog.csdn.net/csdnnews/article/details/123918597

各位老鹏友、新鹏友们，大家好，我是昇思不知道师张小白。下面由我来向大家介绍一下MindSpore漫游世界的神话。MindSpore作为一个广谱AI框架（曾经的头孢），适用于很多场合。就拿目力所及的系统而言，MindSpore作为一个小孢子已经在多元平行的世界上野蛮生长了。比如：（1）Windows（仅CPU)对于MindSpore而言，Windows是最容易让新手上手也是最能让进阶的开发者诟病的平台了。因为众所周知，深度学习的神经网络计算，需要进行大量的矩阵计算，而这点，作为Windows而言，即便你配置了一个超强的GPU显卡（就比如张小白的Nvidia RTX3080 Laptop）也无法直接使用。因为MindSpore并没有推出Windows的GPU版本。相比友商，Tensorflow、PyTorch和PaddlePaddle等，无一例外，都有这个版本。这个很尴尬。所以MindSpore团队还是要加油哦。。体验MindSpore 1.0 For Windows（CPU）bbs：https://bbs.huaweicloud.com/forum/thread-80567-1-1.html张小白教你在Windows上使用JupyterLab体验MindSpore1.2.0blog：https://bbs.huaweicloud.com/blogs/260796bbs：https://bbs.huaweicloud.com/forum/thread-122554-1-1.htmlMindSpore 1.2.0源码编译踩坑bbs：https://bbs.huaweicloud.com/forum/thread-135220-1-1.htmlMindSpore 1.3 CPU版 for windows源码编译踩坑记blog：https://bbs.huaweicloud.com/blogs/281260MindSpore 1.6.1 Windows CPU版安装教程复现bbs：https://bbs.huaweicloud.com/forum/thread-185129-1-1.htmlblog：https://bbs.huaweicloud.com/blogs/348236（2）MacOSMacOS在以前张小白拿自己的Macbook Pro老爷本出来玩的时候，还只能用docker玩，但是现在已经支持原生的CPU了。使用了M1的新型Macbook用的是ARM架构的CPU。这点张小白买不起。但是据我所知，周边的人很多人用Mac。所以，要让这些人对AI感兴趣，那么迅速推出支持Macbook的GPU或者AI芯片，才是王道阿。MacOS也能玩MindSpore？(MindSpore 1.2+docker)blog：https://bbs.huaweicloud.com/blogs/255527bbs：https://bbs.huaweicloud.com/forum/thread-118411-1-1.html（3）Ubuntu 18.04Ubuntu 18.04系统，无论是x86版，还是arm（aarch64）版，都是很常见的AI应用使用的平台，比如Atlas 200DK用的就是它的arm版系统，而华为云的AI1S服务器，既有x86的ubuntu 18.04版本，也有arm的ubuntu 18.04版本。张小白带你快速体验MindSpore V1.0（For ubuntu 18.04） blog：https://bbs.huaweicloud.com/blogs/198324bbs：https://bbs.huaweicloud.com/forum/thread-80583-1-1.html[Ubuntu 18.04][CPU]MindSpore V1.0源码安装初体验bbs：https://bbs.huaweicloud.com/forum/thread-80520-1-1.htmlblog：https://bbs.huaweicloud.com/blogs/198349张小白GPU安装MindSpore给你看（Ubuntu 18.04.5）blog：https://bbs.huaweicloud.com/blogs/198357bbs：https://bbs.huaweicloud.com/forum/thread-80783-1-1.htmlMindSpore 1.1.0 for ubuntu 18.04 CPU版本安装纪实bbs：https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=99076张小白教你在Unbuntu 18.04上docker安装Python3.7.5和MindSpore1.1.1 blog：https://bbs.huaweicloud.com/blogs/241465 对于装了windows，自己的电脑有GPU的情形，但是基于MindSpore没有Windows GPU版本的情况，很多开发者（包括张小白）都开始了变通的使用方法。这时一般都会安装WSL来处理。基于WSL包含两种安装方式，nvidia-docker和CUDA/cuDNN。当然了，也不见得要在Windows上装WSL，有的开发者更加努力点，可以在自己比较大的硬盘上采用双系统，即Windows和ubuntu 18.04共存的方式，想打游戏的时候切换到windows，想玩AI的时候切换到在Ubuntu 18.04上玩MindSpore。（4） Windows+WSL+Nvidia-docker张小白带你在Windows11 预览版的WSL上玩转MindSpore 1.3.0（GPU版）blog：https://bbs.huaweicloud.com/blogs/292836（5） Windows+WSL+CUDA+cuDNN张小白再带你玩一次Win11+WSL+CUDA11.1+cuDNN8.0.5+MindSpore 1.3.0（GPU版）blog：https://bbs.huaweicloud.com/blogs/293332张小白教你在WSL环境源码安装mindspore 1.5.1 GPU版本blog：https://bbs.huaweicloud.com/blogs/308958在WSL的Ubuntu 20.04上一键安装MindSpore GPU 1.6.1版本的尝试bbs：https://bbs.huaweicloud.com/forum/thread-184167-1-1.htmlblog：https://bbs.huaweicloud.com/blogs/345041（6）MindSpore在双系统的使用——且看张小白如何用暗影精灵玩转MindSporebbs：https://bbs.huaweicloud.com/forum/thread-146553-1-1.html（一）开箱、拆机加装硬盘blog：https://bbs.huaweicloud.com/blogs/309887（二）Windows 11预览版和ubuntu 18.04.5双系统共存blog：https://bbs.huaweicloud.com/blogs/309888（三）3080的崛起blog：https://bbs.huaweicloud.com/blogs/309891（四）昇思、昇思blog：https://bbs.huaweicloud.com/blogs/309898在业界比较流行的AI边缘设备，如Nvidia Jetson Nano，Nvidia AGX Orin或者树莓派上，MindSpore也是可以装的。这点张小白做了一点初步的尝试（希望是首发）。其中Jetson Nano、Jetson AGX Orin相当于是ARM+Nvidia的GPU的边缘设备，树莓派是ARM+CPU的边缘设备：（7）Nvidia Jetson NANO B01 4GNvidia Jetson Nano B01初体验知乎：https://zhuanlan.zhihu.com/p/473273579Jetson Nano安装MindSpore 1.6 CPU版记录bbs：https://bbs.huaweicloud.com/forum/thread-179274-1-1.htmlJetson Nano源码编译MindSpore 1.6 GPU版编译记录bbs：https://bbs.huaweicloud.com/forum/thread-179275-1-1.htmlJetson Nano源码编译MindSpore 1.6 GPU版编译的再次尝试bbs：https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=179276（8）Nvidia AGX Orin在Jetson Orin上体验MindSpore 1.6.1blog：https://bbs.huaweicloud.com/blogs/349746bbs：https://bbs.huaweicloud.com/forum/thread-186292-1-1.html（9）树莓派4B 4G树莓派也可以装MindSpore 1.6.0 CPU版知乎：https://zhuanlan.zhihu.com/p/473474756bbs：https://bbs.huaweicloud.com/forum/thread-179640-1-1.html（10）Atlas 200DKAtlas200DK安装MindSpore 1.6.1折腾纪实bbs：https://bbs.huaweicloud.com/forum/thread-183362-1-1.htmlblog：张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（一）分设环境之开发环境准备https://bbs.huaweicloud.com/blogs/345859张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（二）分设环境之运行环境准备https://bbs.huaweicloud.com/blogs/345861张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（三）分设环境之运行环境准备ddhttps://bbs.huaweicloud.com/blogs/345862张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（四）MindStudio安装配置https://bbs.huaweicloud.com/blogs/345869张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（五）OpenCV的安装https://bbs.huaweicloud.com/blogs/345905张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（六）番外篇：寻找失去的网卡https://bbs.huaweicloud.com/blogs/345906张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（七）合设环境准备（mksd）https://bbs.huaweicloud.com/blogs/346015张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（八）完成CANN进阶班大作业1https://bbs.huaweicloud.com/blogs/347062张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（九）ATC模型转换https://bbs.huaweicloud.com/blogs/348182张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（十）安装MindSporehttps://bbs.huaweicloud.com/blogs/348248张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（11）番外：TF卡扩容https://bbs.huaweicloud.com/blogs/349546张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（12）更好的TF卡扩容方式https://bbs.huaweicloud.com/blogs/349547张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（13）尝试昇思跑LeNet-1https://bbs.huaweicloud.com/blogs/349620张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（14）尝试昇思跑LeNet-2https://bbs.huaweicloud.com/blogs/349621张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（15）尝试昇思跑LeNet-3https://bbs.huaweicloud.com/blogs/349622张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（16）尝试昇思跑LeNet-4https://bbs.huaweicloud.com/blogs/349626张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4（17）玩转摄像头https://bbs.huaweicloud.com/blogs/349654（11）ECS AI1S X86服务器AI1S服务器安装MindSpore 1.6.1折腾纪实bbs：https://bbs.huaweicloud.com/forum/thread-183542-1-1.html（12）ModelArts在华为云的ModelArts上，直接就可以有MindSpore的各种环境可以用。开发者一般使用ModelArts对MindSpore进行模型的训练和调优：（13）手机端，IoT设备端这里一般使用MIndSpore的Lite版本：张小白教你如何在Ununtu 18.04上源码安装MindSpore Lite V1.1.0blog：https://bbs.huaweicloud.com/blogs/239830张小白教你如何在Win10上源码安装MindSpore Lite V1.1.0blog：https://bbs.huaweicloud.com/blogs/239829使用MindSpore Lite实现手机端图像分类  blog：https://bbs.huaweicloud.com/blogs/205515    使用MindSpore Lite实现手机端图像检测 blog：https://bbs.huaweicloud.com/blogs/208653   （14）TinyMS张小白教你在WSL的Ubuntu 18.04下体验TinyMS 0.3.1（LeNet网络）bbs：https://bbs.huaweicloud.com/forum/thread-179030-1-1.htmlblog：https://bbs.huaweicloud.com/blogs/330059张小白教你在Windows 11下体验TinyMS 0.3.1blog：https://bbs.huaweicloud.com/blogs/351506bbs：https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=187139（不断更新中）

【功能模块】【操作步骤&问题现象】1、电脑win10下载PHP依赖包不成功2、【截图信息】【日志信息】（可选，上传日志内容或者附件）

MindRecord是MindSpore开发的一种高效数据格式，此模块提供了一些方法帮助用户将不同数据集转换为MindRecord格式， 也提供了一些操作MindRecord数据文件的方法如读取、写入、检索等。 用户可以使用FileWriter API生成MindRecord格式数据集，并使用MindDataset API加载MindRecord格式数据集。相关的API可以参考：mindspore.mindrecord在Windows平台上，且MindSpore版本 <= 1.4.0情况下，在生成MindRecord文件并将其移动位置（如MindRecord文件生成在A目录，再搬到B目录），会出现如下错误：=========================>=========================>由于MindSpore的版本差异，相同错误的错误信息可能不同，但一般就是这两种：RuntimeError: Thread ID 1 Unexpected error. Fail to open ./data/coraRuntimeError: Unexpected error. Invalid file, DB file can not match file原因分析：MindSopore在windows下支持不完善，在MindSpore 1.4.0及之前版本，在Windows环境下生成MindRecord格式数据集文件，并且已经移动位置后，是不能被加载到MindSpore中使用的。但是新版本中已经解决了这个bug解决办法：Windows环境下生成的MindRecord格式文件不要移动位置。将MindSpore升级到1.5.0以及之后版本，重新生成MindRecord格式数据集。其他错误相关帖：https://bbs.huaweicloud.com/forum/thread-104378-1-1.htmlhttps://bbs.huaweicloud.com/forum/thread-104495-1-1.htmlhttps://e.gitee.com/mind_spore/dashboard?issue=I49E80

MindRecord是MindSpore开发的一种高效数据格式，此模块提供了一些方法帮助用户将不同数据集转换为MindRecord格式， 也提供了一些操作MindRecord数据文件的方法如读取、写入、检索等。 用户可以使用FileWriter API生成MindRecord格式数据集，并使用MindDataset API加载MindRecord格式数据集。相关的API可以参考：mindspore.mindrecord然而，在Windows平台上，且MindSpore版本 <= 1.5.0情况下，在MindRecord接口使用中文路径时，会出现如下错误：RuntimeError: Unexpected error. Failed to open file, file path E:\大三上\深度学习\models-master\official\cv\ssd\MindRecord_COCO\test.mindrecordFile: mindspore\ccsrc\minddata\minrecord\meta\shard_header.cc写入MindRecord的脚本：运行错误：RuntimeError: Unexpected error. Failed to open file, file path E:\大三上\深度学习\models-master\official\cv\ssd\MindRecord_COCO\test.mindrecordFile: mindspore\ccsrc\minddata\minrecord\meta\shard_header.cc原因：在MindSpore1.5.0以及之前版本，不支持Windows环境下MindSpore数据集格式在中文路径下的写入和读取。解决办法：将MindRecord格式数据集的输出路径指定在纯英文路径下。MindSpore升级到1.6.0之后版本。其他错误相关帖：https://bbs.huaweicloud.com/forum/thread-171528-1-1.htmlhttps://bbs.huaweicloud.com/forum/thread-167068-1-1.html

【功能模块】windows上安装minddtudio但是没法使用mindinsight功能【操作步骤&问题现象】1、成功安装windows版本的mindstudio2、通过ssh可以远程链接linux服务器,并且正常训练出日志summary_dir3、在工具栏选择“Ascend >MindInsight”打开MindInsight管理界面。但是报错没法可视化。【截图信息】

本文分享自华为云社区《[WSL2与Docker容器，无缝互相迁移](https://bbs.huaweicloud.com/blogs/336923?utm_source=csdn&utm_medium=bbs-ex&utm_campaign=other&utm_content=content)》，作者： tsjsdbd 。 注：本文提到的WSL都是指WSL2 # WSL与Docker WSL非常像windows版的Docker，可以直接启动“容器”（故意加引号，下面有解释），并且在容器世界里面，可以执行各种Linux操作。像下面这样，是不是和Docker很像？  ps：上面提到的“容器”，实际是安全容器（即：虚机），WSL2内部架构如下：  虽WSL和Docker很像，但是它对WSL镜像有要求，就是得从 MS的应用商店下载：  这个就稍显不那么方便，毕竟你可能已经有很多现成的Docker容器了，这里又得重新安装一遍。 我是Windows上有WSL，我的Linux开发机上有Docker，那我怎么在WSL里面跑Docker呢？ # WSL运行Docker容器 常见的WSL里面运行Docker，是这样子的：  就是把WSL当做一台新的开发机，然后在WSL里面，安装Docker软件。 这样子，也能解决问题。就是稍微麻烦了一点点。那能不能WSL直接运行Docker镜像呢？ 答案是可以的： 参考：https://docs.microsoft.com/en-us/windows/wsl/use-custom-distro 这种方法下，是类似这个样子的：  具体操作如下： 在Docker里面，将容器导出来 //查看正在运行的容器 docker ps //根据容器ID，导出镜像包 docker export $ContainerID > ./tsjsdbd.tar 然后再WSL里面，将Docker镜像导入： `wsl --import ` 示例 比如，我这里用Docker运行了一个busybox容器： `docker run -it busybox /bin/sh` 然后查询容器ID： docker ps CONTAINER ID IMAGE c1e9e8f77336 busybox 导出： `docker export c1e9e8f77336 > tsjsdbd_busybox.tar` 然后我把这个 镜像文件，拷贝到我的windows电脑上。 并在wsl里面导入： `wsl --import tsjsdbd_busybox ./busybox ./tsjsdbd_busybox.tar` 导入后查看： `wsl -l` 这时，我启动这个 busybox 镜像。 `wsl -d tsjsdbd_busybox` OK，这时我已经在WSL容器里面了，这是一个busybox的Docker容器镜像。 # Docker运行WSL镜像 从上面的操作可以看出来，WSL和Docker的镜像是相通的。所以WSL系统，也可以导出给Docker直接运行。类似这个样子：  具体操作如下： 先查看下当前跑了哪些wsl容器： wsl -l -v NAME STATE VERSION * Ubuntu-18.04 Stopped 2 tsjsdbd_busybox Running 2 导出指定的wsl镜像 `wsl --export tsjsdbd_busybox ./mybox.tar` 其中 “tsjsdbd_busybox” 就是你希望导给Docker运行的WSL容器（里面可能安装了一些你需要的软件）。导出的tar包，就可以看做是WSL镜像了（可以直接导入给Docker） 最后，在Docker里面，导入这个镜像： `docker import - mybox mybox.tar` 可以查询此镜像 `docker images |grep mybox` 并启动 `docker run -it mybox /bin/sh` # WSL镜像与Docker镜像 大体上，我给个示意：  所以WSL确实挺香的。 # WSL启动GUI界面 整体方案是利用 X11 Server，原理参考： 《Docker运行带UI界面的应用，并将它的界面投射到你的Windows电脑》 Docker运行带UI界面的应用，并将它的界面投射到你的Windows电脑-云社区-华为云  X11 Server，一般网上推荐 VcXsrv，我自己用下来，感觉 MobaXterm 更傻瓜一些。所以我都用 MobaXterm 的。 # 附：安装WSL # 1. 系统要求 Windows 10，版本 2004 以上。 比如我的是 20H2，是OK的。 点击：开始-设置-关于，查询自己的版本 # 2. 判断wsl2是否已有 打开 power shell，输入 `wsl -l -o` 如OK，则不用后续步骤了（说明你的windows版本已经比较高）。 不行，则手动执行后续步骤 # 3. 允许开发者模式  # 4. 启动WSL2功能 启用WSL2 `dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart` 启用虚拟机平台 `dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart` 启用Hyper-V `dism.exe /online /enable-feature /featurename:Microsoft-Hyper-V /all /norestart` 设置WSL2为默认 `wsl --set-default-version 2` # 5. 重启，安装wsl补丁 wsl_update_x64.msi 执行以上补丁包。 补丁包下载地址： https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi # 附：高阶版 GPU，GUI界面 Windows版本高的（win10 21H2），可以在WSL2里面跑CUDA https://docs.microsoft.com/en-us/windows/ai/directml/gpu-cuda-in-wsl 再高一点（win11），可以原生支持带GUI界面的Linux程序。 https://docs.microsoft.com/en-us/windows/wsl/tutorials/gui-apps

近期看到论坛里面问这个问题的比较多，一些同学总觉得，在我这里行，为什么上传就不行，有些委屈的感觉。在这里讨论一下这个事情。程序这如果出错，必然是有原因的。所以首先需有一个排错的思路，一个一个去否定。下面提一些思路来，大家也可以一起往里面补充。我认为，这个思路不仅仅对这次比赛有意义，对以后处理类似问题也是一个参考。首先，要统一一个观点：本地能跑过是一个最低要求，但不代表没问题，只是恰好没有发现而已。1、先排除环境问题，比如：1）使用编译环境与要求不一致，在本地能用的库、能用的函数，到了平台上不能用了，或者参数发生变化了。2）用了不允许的第三方库，自己环境可以，平台上没有。2、再排除打包问题。多打了一层、打错目录，判题程序调用时找不到。仔细阅读一下SDK的说明文档中的描述：https://bbs.huaweicloud.com/forum/thread-182328-1-1.html3、路径问题任务书中对于路径有明确说法，“/”符号开头，在Linux下就是根目录的意思。但有些人还是不理解，读错地方、写错地方。涉及到路径，还要考虑权限问题。windows上文件管理权限和Linux下是有差异的。读写文件要注意参数是否合适。4、字符集编码字符集编码比较复杂，什么UTF-8、GBK、ANSI之类的。编码的问题也会导致文件打不开。如果写Python的，类似问题应该见过：“utf-8‘ codec can‘t decode byte.....”建议用utf-8，避免其它问题。5、系统差异经常在windows和linux上协同工作的同学，dos2unix这个命令应该见过。有些文件不用这个转，windows下可工作的，到了Linux就是不行。还有Windows下换行\r\n和Linux\n的差异，我看群里讨论也有因这个出现问题的。这里还没涉及大小端的问题。如果考虑这个，那往往本地可工作的程序，换个平台有异常，这是从设计时就需要考虑的。看到群里还有人讨论，在win10和win11下表现不一样。那恰好证明，平台的差异是需要考虑的。还是建议：大家想办法准备一个干净的，与比赛环境说明指定程序版本相同的Linux环境，应该可以省些事。6、代码问题排除了周边问题，那接下来就是代码了。比如：1）现在给的小数据集，在大数据集情况下，内存使用是否没控制好，可能导致OOM？是否有内存泄漏？2）仅在一组小数据下，一些异常处理路径可能没有得到充分验证。数据变化，有些路径走到了，就出错。3）编码的一些边界条件没处理好。4）编码质量本身，看到过有数组越界的、有访问不存在的key的，有除0错误的。这些问题只通过一次简单验证通常是无法发现的。所以，只靠一组数据跑通，就认为程序无误，这肯定不合适的。同学们可以按照数据描述，自行构建一些数据，包括数据规模、数据特征、参数变化，来验证自己程序是否稳定。自验证本身就应该是开发的一部分7、以上是示例一下查错思路。不断思考下去，还可能有很多，各位同学也可以继续帮忙补齐。看到有同学说是几天提交了100多次（应该是借小号了），还是不行。如果没找到问题根因，想通过多次提交“闯”过去的做法不太可取。过了，也不知道为啥，下次不过，还是不知道为啥。目前来看，判题平台还没发现不正常的地方。所有问题都是有原因的。随着更多同学参与，每天编译、运行错误的有成千上万，随着时间往后可能更多。不可能给每个同学单独定位的。但会针对一些报错去抽查一下日志，然后归纳放在FAQ里面。所以，遇到类似问题，先参考FAQ仔细检查一下，FAQ会持续刷新。

# Install GPU Version MindSpore on Windows 10 WSL2 > 基于Windows10系统WSL2安装GPU版本MindSpore 本文内容如下： - 系统安装 - `WSL2`启用 - `Ubuntu`安装 - `Windows Terminal`安装 - 显卡驱动安装 - `CUDA`安装 - `CUDNN`安装 - `MindSpore`安装 - 开发`IDE`选择 - 本文总结 - 本文参考 ## 1. 系统安装 ### 1.1 系统版本确认 在[Enable NVIDIA CUDA on WSL](https://docs.microsoft.com/en-us/windows/ai/directml/gpu-cuda-in-wsl)中官方有如下描述： > Windows 11 and Windows 10, version 21H2 support running existing ML tools, libraries, and popular frameworks that use NVIDIA CUDA for GPU hardware acceleration inside a WSL instance. This includes PyTorch and TensorFlow as well as all the Docker and NVIDIA Container Toolkit support available in a native Linux environment. > > ## Install Windows 11 or Windows 10, version 21H2 > > To use these features, you can download and install [Windows 11](https://microsoft.com/software-download/windows11) or [Windows 10, version 21H2](https://microsoft.com/software-download/windows10). 根据描述可知，如果想在`Windows 10`的`WSL`中使用`CUDA`，需要系统版本为`21H2`。 读者可通过`设置`>`系统`>`关于`进行系统版本查看。具体信息参考如下：  ### 1.2 系统安装升级 如果读者的电脑系统未能满足上述版本要求，可以选择升级或者重新安装。升级或安装过程此处略。 ## 2. `WSL2`启用 ### 2.1 `Powershell`使用 后续操作中会用到以管理员身份打开`PowerShell`，打开步骤如下图所示，遇到`账户控制信息`选择`是`。  ### 2.2 启用适用于 `Linux` 的 `Windows` 子系统 以管理员身份打开 `PowerShell`，然后输入如下命令： ```powershell dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart ``` 输出信息如下，表示安装成功： ```powershell 部署映像服务和管理工具 版本: 10.0.19041.844 映像版本: 10.0.19044.1586 启用一个或多个功能 [==========================100.0%==========================] 操作成功完成。 ``` ### 2.3 启用虚拟机功能 在`Powershell`中，继续输入如下命令： ```powershell dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart ``` 输出内容如下： ``` 部署映像服务和管理工具 版本: 10.0.19041.844 映像版本: 10.0.19044.1586 启用一个或多个功能 [==========================100.0%==========================] 操作成功完成。 ``` ### 2.4 重启电脑 > 重启过程中会显示配置更新，为正常情况。 ### 2.5 将 `WSL 2` 设置为默认版本 以管理员身份打开 `PowerShell`，输入如下命令： ```powershell wsl --set-default-version 2 ``` 输出内容如下： ```powershell 有关与 WSL 2 的主要区别的信息，请访问 https://aka.ms/wsl2 操作成功完成。 ``` 通过以上几个步骤，开启`Windows 10`系统的`WSL 2`。 ## 3. Ubuntu安装 ### 3.1 升级`Microsoft Store`（可跳过） > 笔者使用的`Microsoft Store`版本为22202.1402.2.0，具体图标如下所示。读者可根据自己电脑情况决定是否更新`Microsoft Store`到相应版本。  ### 3.2 安装`Ubuntu 20.04` #### 3.2.1 搜索`Ubuntu` > 开始菜单，打开`Microsoft Store`，搜索`Ubuntu`。搜索内容如下图所示，选择`Ubuntu 20.04`。  #### 3.2.2 安装Ubuntu > 进入`Ubuntu 20.04`对应软件安装页，选择安装即可。  > 安装完成后，如下图所示。  > 同时开始菜单会添加`Ubuntu 20.04 on Windows`图标，如下图所示。  ### 3.3 设置`Ubuntu 20.04` #### 3.3.0 首次打开`Ubuntu 20.04`可能遇到的问题 > 首次启动`Ubuntu20.04 on Windows`，笔者遇到如下问题： ```powershell Installing, this may take a few minutes... WslRegisterDistribution failed with error: 0x800701bc Error: 0x800701bc WSL 2 ?????????????????? https://aka.ms/wsl2kernel ``` > 解决办法如下： 下载下面链接中的`wsl_update_x64.msi`，进行安装，并再次启动`Ubuntu20.04 on Windows`。 https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi #### 3.3.1 设置用户名和密码 开始菜单，打开`Ubuntu 20.04 on Windows`图标。进入Ubuntu，首次打开需要设置用户名和密码，具体流程如下图所示。  #### 3.3.2 更新`Ubuntu` 在`3.3.1`设置完成后，进入命令行，输入如下命令，更新系统。 ```shell sudo apt update sudo apt upgrade ``` 查看内核版本，命令如下： ``` uname -ar ``` > 输出如下内核信息： > > ```shell > Linux LENOVO-KR 5.10.16.3-microsoft-standard-WSL2 #1 SMP Fri Apr 2 22:23:49 UTC 2021 > ``` ## 4. Windows Terminal安装（可跳过） > `Windows Terminal（Windows 终端）`是一个面向命令行工具和 shell（如命令提示符、PowerShell 和适用于 Linux 的 Windows 子系统 (WSL)）用户的新式终端应用程序。 它的主要功能包括多个选项卡、窗格、Unicode 和 UTF-8 字符支持、GPU 加速文本呈现引擎，你还可用它来创建你自己的主题并自定义文本、颜色、背景和快捷方式。 > > 有关Windows Terminal的更多介绍可以参加[官方文档](https://docs.microsoft.com/zh-cn/windows/terminal/) 本文推荐使用`Windows Terminal`进行`WSL 2`相关开发，下面介绍安装和基本使用方法。 ### 4.1 安装`Windows Terminal` > 开始菜单，打开`Microsoft Store`，搜索`Windows Terminal`。搜索内容如下图所示，选择`Windows Terminal`。  > 进入`Windows Terminal`对应软件安装页，选择安装即可。  > 安装完成后，如下图所示。  ### 4.1 使用`Windows Terminal` > 开始菜单，打开`Windows Terminal`，其图标如下所示。  > 应用打开后，可选命令行接口，如下图所示。单击目标标签即可打开相应的命令行标签页。  ***特别提示：***通过Ubuntu-20.04标签页进入Ubuntu，默认目录并非用户主目录，可使用cd命令跳转到用户主目录。 ## 5. 显卡驱动安装 ### 5.1 驱动确认 正常情况下，采用Windows默认更新即可安装NVIDIA对应的显卡驱动。此时，开始菜单会存在`NVIDIA Control Panel`应用，打开该应用即可查看驱动版本。本文对应的驱动版本如下图所示。  或者打开`Windows Terminal`，在其默认标签页中输入如下命令： ```powershell nvidia-smi.exe ``` 如果输出类似如下内容，即表示驱动安装成功。 ```powershell Thu Mar 17 14:58:36 2022 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 472.42 Driver Version: 472.42 CUDA Version: 11.4 | |-------------------------------+----------------------+----------------------+ | GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |===============================+======================+======================| | 0 NVIDIA GeForce ... WDDM | 00000000:2D:00.0 Off | N/A | | N/A 0C P8 N/A / N/A | 64MiB / 2048MiB | 0% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=============================================================================| | No running processes found | +-----------------------------------------------------------------------------+ ``` 如果上述驱动无问题，在`Windows Terminal`中新建Ubuntu-20.04标签页，然后输入如下命令： ```shell nvidia-smi ``` 会输入类似如下内容，表示Ubuntu-20.04中NVIDIA驱动正常。 ```shell Thu Mar 17 15:07:02 2022 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 470.83 Driver Version: 472.42 CUDA Version: 11.4 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |===============================+======================+======================| | 0 NVIDIA GeForce ... Off | 00000000:2D:00.0 Off | N/A | | N/A 39C P0 N/A / N/A | 64MiB / 2048MiB | ERR! Default | | | | N/A | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=============================================================================| | No running processes found | +-----------------------------------------------------------------------------+ ``` ### 5.2 驱动安装 如果5.1的情况无法满足，读者可以到[NVIDIA官方驱动网站](https://www.nvidia.com/download/index.aspx)搜索下载相应的驱动，并进行安装。 ## 6. CUDA安装 ### 6.1 安装CUDA 从`Windows Terminal`进入`Ubuntu-20.04`。 > 安装必要工具，命令如下： ```shell sudo apt install gcc g++ make perl git ``` > 创建目录，下载`CUDA`，命令如下: ```shell cd mkdir apps cd ~/apps wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run ``` > 安装`CUDA`，命令如下： ```shell chmod a+x cuda_11.1.0_455.23.05_linux.run sudo ./cuda_11.1.0_455.23.05_linux.run ``` 具体安装过程同`Ubuntu`系统安装`CUDA`基本一致，可参考笔者之前的文章相关部分[MindSpore入门--基于GPU服务器安装MindSpore 1.5.0](https://my.oschina.net/kaierlong/blog/5375003)。 > 输出如下内容，安装成功。 ```shell =========== = Summary = =========== Driver: Not Selected Toolkit: Installed in /usr/local/cuda-11.1/ Samples: Not Selected Please make sure that - PATH includes /usr/local/cuda-11.1/bin - LD_LIBRARY_PATH includes /usr/local/cuda-11.1/lib64, or, add /usr/local/cuda-11.1/lib64 to /etc/ld.so.conf and run ldconfig as root To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.1/bin ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least .00 is required for CUDA 11.1 functionality to work. To install the driver using this installer, run the following command, replacing with the name of this run file: sudo .run --silent --driver Logfile is /var/log/cuda-installer.log ``` ### 6.2 配置环境变量 创建目录及脚本文件，命令如下： ```shell mkdir ~/scripts vim ~/scripts/cuda_11.1.sh ``` 在脚本文件中写入如下内容： ```shell #!/bin/bash # cuda 11.1 export PATH=/usr/local/cuda-11.1/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH ``` 激活环境变量，命令如下： ```shell source ~/scripts/cuda_11.1.sh ``` 测试`CUDA`是否安装成功，命令如下： ```shell nvcc -V ``` 如果安装成功，输出如下内容： ```shell nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2020 NVIDIA Corporation Built on Tue_Sep_15_19:10:02_PDT_2020 Cuda compilation tools, release 11.1, V11.1.74 Build cuda_11.1.TC455_06.29069683_0 ``` ## 7. CuDNN安装 > 进入[CuDNN官网](https://developer.nvidia.com/cudnn)下载相应软件包，笔者此处使用的是`cudnn-11.1-linux-x64-v8.0.5.39.tgz`。 > > 上述下载方式需要注册账号才能正常进行，为方便读者，笔者将相应软件包上传到百度云。 > > 下载链接：https://pan.baidu.com/s/13IKt8Tw2sCMrJKmcw9slJg ，提取码：lyqc ### 7.1 拷贝CuDNN > 在`文件资源管理器`输入`\\wsl$`，访问WSL内部文件目录，将`cudnn-11.1-linux-x64-v8.0.5.39.tgz`拷贝到目标目录下。拷贝完成后如下图所示，此处笔者放在之前创建的`apps`目录下。  ### 7.2 安装CuDNN > 安装命令如下： ```shell cd apps tar zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz cd cuda sudo cp include/*.h /usr/local/cuda-11.1/include/ sudo cp -d lib64/libcudnn* /usr/local/cuda-11.1/lib64/ ``` ## 8. MindSpore安装 ### 8.1 安装python3相关软件 ```shell sudo apt install python3-dev python3-pip sudo pip3 install virtualenv ``` ### 8.2 安装MindSpore 1.6.1 创建虚拟环境，命令如下： ```shell mkdir pyenvs && cd pyenvs virtualenv -p python3 ms_1.6.1 ``` 激活虚拟环境，命令如下： ```shell source ms_1.6.1/bin/activate source ~/scripts/cuda_11.1.sh ``` 安装`MindSpore 1.6.1`，命令如下： ```shell pip3 install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.6.1/MindSpore/gpu/x86_64/cuda-11.1/mindspore_gpu-1.6.1-cp38-cp38-linux_x86_64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 测试是否安装成功，命令如下： ``` python3 -c "import mindspore;mindspore.run_check()" ``` 输出如下内容，表示安装成功。 ```shell MindSpore version: 1.6.1 The result of multiplication calculation is correct, MindSpore has been installed successfully! ``` ### 8.3 GPU使用情况分析 在上述`8.2`进行测试时，在`Ubuntu-20.04`内使用`watch -n 0.1 -d nvidia-smi`命令进行GPU使用情况监测，发现GPU显存占用会增加，但是并没有具体进程的占用信息，同时GPU-Util显示为ERR！。具体情况如下图所示：  如果在`Windows`系统`shell`内使用`nvidia-smi.exe`进行监测，会显示`Insufficient Permissions`线程正在运行。 ```powershell Thu Mar 17 16:33:06 2022 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 472.42 Driver Version: 472.42 CUDA Version: 11.4 | |-------------------------------+----------------------+----------------------+ | GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |===============================+======================+======================| | 0 NVIDIA GeForce ... WDDM | 00000000:2D:00.0 Off | N/A | | N/A 43C P0 N/A / N/A | 184MiB / 2048MiB | 5% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=============================================================================| | 0 N/A N/A 4 C Insufficient Permissions N/A | +-----------------------------------------------------------------------------+ ``` 笔者本来以为是MindSpore的问题，后来通过搜索，发现该问题是`WSL 2`目前存在的一个问题，所以读者可不必纠结于此问题。有关该问题的情况可以参考[WSL 2.0 Windows 11 insider build GPU-Util ERR!](https://github.com/microsoft/WSL/issues/7162) ## 9. 开发`IDE`选择 前面安装了`GPU`版本`MindSpore`，但是如何使用`IDE`开发依然是一个要面对的问题，下面笔者提供几种选择。 ### 9.1 vim 在`Ubuntu-20.04`中使用`vim`进行开发和调试，也是笔者轻量级开发时的选择之一。 ### 9.2 pycharm专业版 + WSL 由于`pycharm`目前只在专业版提供`WSL`功能，所以有专业版的读者可以尝试使用该方法。 ### 9.3 pycharm社区版 + 本地CPU版本 + Ubuntu命令行 对于没有`pycharm`专业版的读者，可以在`Windows`中安装`CPU`版本的`Mindspore`进行开发。前面讲过可以通过文件管理器访问`WSL`内部目录，所以可以较为方便的拷贝项目或者代码到`Ubuntu-20.04`中使用命令进行最终调试和运行（训练或评估）。这里需要注意的是目前`MindSpore`部分算子不支持`CPU`，会对`pycharm`中调试带来一定不利。 ### 9.4 VS Code + Remote WSL 读者也可以采用`Visual Studio Code` + `Remote WSL`的方式进行开发，具体使用方法略。 ## 本文总结 本文讲述了如何在`Windows10`系统中基于`WSL 2`安装`GPU`版本`MindSpore`，同时提供了几种`IDE`开发选择。 ## 本文参考 - [深度学习 | 还在用双系统？一文教你PyCharm+WSL2+CUDA搭建开发环境_HinGwenWoong的博客-CSDN博客_pycharm连接wsl2](https://blog.csdn.net/hxj0323/article/details/122026317) - [Enable NVIDIA CUDA on WSL](https://docs.microsoft.com/en-us/windows/ai/directml/gpu-cuda-in-wsl) - [CUDA on WSL User Guide](https://docs.nvidia.com/cuda/wsl-user-guide/index.html)