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)

透过「历史上的今天」，从过去看未来，从现在亦可以改变未来。今天是 2022 年 3 月 14 日，在 143 年前的今天，1879 年 3 月 14 日，爱因斯坦诞辰。阿尔伯特·爱因斯坦（Albert Einstein）是出生于德国、拥有瑞士和美国国籍的犹太裔理论物理学家，他创立了现代物理学的两大支柱之一的相对论，也是质能等价公式（E = mc2）的发现者。因为“对理论物理的贡献，特别是发现了光电效应的原理”，他荣获 1921 年度的诺贝尔物理学奖；这一发现为量子理论的建立踏出了关键性的一步。回顾科技史上的 3 月 14 日，这一天还发生过哪些影响深远的事件呢？1935 年 3 月 14 日：第一批小型计算机 LINC 的开发者 Charles Molnar 出生查尔斯·莫尔纳（Charles Edwin Molnar）出生于 1935 年 3 月 14 日，他是世界上第一台小型计算机 LINC 的共同开发者，合作者是 Wesley A.Clark。LINC 起源于个人计算机出现之前的几十年。它的开发是美国国立卫生研究院（NIH）计划的结果，该计划在全国选定的生物医学研究实验室放置了 20 个早期 LINC 原型的副本；后来，数字设备公司（DEC）和其他计算机制造商大量生产了 LINC。学生时代，莫尔纳在罗格斯大学获得了电气工程学士学位和硕士学位，随后于 1962 年在麻省理工学院攻读研究生；在完成 LINC 的开发后，他选择在圣路易斯华盛顿大学任教。莫尔纳也是知名的听觉系统建模先驱，专门研究耳蜗（内耳）功能的数值模型。1996 年去世时，莫尔纳在 Sun Microsystems 与 Ivan Sutherland 一起研究异步电路。1961 年 3 月 14 日：黑莓创始人 Michael Lazaridis 出生迈克·拉扎里迪斯（Michael Lazaridis）出生于 1961 年 3 月 14 日，他是一名希腊裔加拿大商人，是黑莓公司的创立者，该公司设计并生产了黑莓系列手机。截至 2011 年 6 月，拉扎里迪斯的净资产估计为 8 亿美元，他被福布斯评为加拿大第 17 位最富有的加拿大人，世界排名第 651 位。拉扎里迪斯曾担任多个职位，他曾是黑莓公司的联合主席兼联合首席执行官，他与儿时好友、黑莓联合创始人 Douglas Fregin 共同创立了 Quantum Valley Investments，为量子信息科学突破的进一步发展和商业化提供金融和智力资本。1999 年，他创立了 Perimeter 理论物理研究所；2002 年，他创立了量子计算研究所。除此之外，他也是滑铁卢大学的前任校长。拉扎里迪斯出生于土耳其伊斯坦布尔，父母是希腊人，祖籍是希俄斯岛。1966 年，他全家移居加拿大，定居在安大略省的温莎，当时他只有 5 岁。12 岁时，他在温莎公共图书馆因阅读了图书馆中的每一本科学书籍而获奖。1979 年，他就读于滑铁卢大学电气工程专业。1984 年，拉扎里迪斯响应通用汽车公司的提案请求，协助开发网络计算机控制显示系统，就在他预定毕业的两个月前，他从大学辍学了。通用汽车公司的合同、一笔小额政府拨款以及来自父母的贷款使拉扎里迪斯有了能够启动黑莓公司的资本。黑莓成立后，公司的第一个成就之一是条形码的开发电影技术；拉扎里迪斯将其中的利润投入到无线数据传输研究中，最终在 1999 年推出了黑莓无线移动设备，并在 2002 年推出了更广为人知的版本——黑莓掌上电脑。1999 年 10 月 21 日，拉扎里迪斯获得滑铁卢大学名誉工学博士学位，2003 年 6 月，成为其第八任校长。拉扎里迪斯还因技术成就获得奥斯卡奖和艾美奖，一生享誉无数。2011 年 3 月 14 日：微软发布 Internet Explorer 9Windows Internet Explorer 9（IE9）是微软开发的浏览器 Internet Explorer 的稳定版本，于 2011 年 3 月 14 日向公众发布。IE9 支持部分 CSS3 属性，透过 Windows Color System 支持内嵌 ICC v2 或 v4 色彩配置，并且提升了 JavaScript 的性能。IE9 还利用 Direct2D、DirectWrite 和 Media Foundation 实现了硬件加速的图像、包含 Windows Imaging Component 提供的映像功能以及由 XPS 打印管道提供的低有损打印功能。除此之外，IE9 新增新选项卡显示用户常用网站的图标、钉选网站到任务栏、附加组件性能警告、内置下载管理员等功能。微软只单独发布 Internet Explorer 9，从未打算于任何官方版本的 Windows 系统内预载。与此同时，IE9 只支持 Windows Vista SP2 及 Windows 7，对于当时在亚太地区尚极为普及的 Windows XP 却抱放弃态度，不对任何版本的 Windows XP 进行支持，Windows XP 用户只能更新至 IE 8。此外，IE9 也是最后一个支持 Windows Vista 的版本，IE10 只能运行于 Windows 7 或更新版本。IE9 在 IE8 发布不久之后开始开发，微软在 IE8 发布之后便开始通过 Microsoft Connect 征集建议。微软在 PDC 2009 首次公布了 IE9，主要谈及 IE9 将如何利用 DirectX 中的硬件加速改善网络应用程序的性能和提升网页排版的质量。随后，微软宣布加入 W3C 的 SVG 工作组，并在 MIX 10 上发布了第一个 IE9 预览版，包含对 CSS 3 和 SVG 支持和一个名为“Chakra”的新 JavaScript 引擎。经过了多次对 Trident 排版引擎的测试，微软最终得以在 2010 年 9 月 4 日发布 IE9 Beta，这次包含了完整的使用接口。2011 年的今天，微软在德克萨斯州奥斯汀市 SXSW 音乐和电影节发布 IE9 RTM 正式版；这是自 Internet Explorer 2 以来第一个不与 Windows 操作系统捆绑的版本，大多数 Windows 版本对 IE9 的支持于 2016 年 1 月 12 日结束，当时微软开始要求客户使用适用于每个 Windows 版本的最新版本的 Internet Explorer。2020 年 1 月 14 日，微软发布了针对 Windows Server 2008 的 IE9 最终更新，标志着对所有平台的 IE9 支持结束。2019 年 3 月 14 日：计算 π 值创造新纪录2019 年 3 月 14 日，谷歌宣布来自日本的女性程序员岩尾遥在公司云计算的帮助下打破了 π 的位数世界纪录，将 π 精确到小数点后 31.4 万亿位。据说，计算程序在 25 台虚拟机上运行了 121 天，涉及 170 TB 的数据。计算 π 值是衡量计算机算力的一种方法，这种方法始于冯诺伊曼，首次用在了 ENIAC 上。1949 年，ENIAC 将圆周率 π 值精确到了小数点后 2037 位，总共花了 70 个小时。几个文明古国均在历史早期就计算出了较精确的 π 的近似值，以便于处理生产的需要。公元 5 世纪时，中国刘宋数学家祖冲之用几何方法将圆周率计算到小数点后 7 位数字。大约同一时间，印度的数学家也将圆周率计算到小数点后 5 位。历史上首个 π 的精确无穷级数公式（莱布尼茨公式）直到约 1000 年后才由印度数学家发现。随后，微积分的出现，很快地将 π 的计算位数推至数百位，足以满足任何科学工程的计算需求。在 20 和 21 世纪，由于计算机技术的快速发展，借助计算机的计算使得 π 的精度急速提高。美国数学家约翰·伦奇及李维·史密斯在 1949 年利用桌上型计算机计算到 1120 位。同年，乔治·韦斯纳（George Reitwiesner）及约翰·冯·诺伊曼带领的团队利用反三角函数的无穷级数，通过 ENIAC 计算到了小数第 2037 位，这花了 70 小时的电脑工作时间。直到 1973 年，人们终于计算出了小数点后的第一百万位。1980 年代的两项发明加速了 π 的计算。第一项是人们发现了新的的迭代法去计算 π 的值，其计算速度比无穷级数要快很多；另一项是人们发现了可以快速计算大数字乘积的乘法算法。这类算法在现代 π 的计算上格外的重要，因为电脑大部分的工作时间都是在计算乘法。这类算法包括 Karatsuba 算法、Toom–Cook 乘法及以傅里叶变换为基础的乘法算法（傅里叶乘法）。在前文提到的 2019 年 3 月 14 日将 π 精确到小数点后 31.4 万亿位之后，人类又在 2021 年 8 月将 π 的十进制精度推算到了 62.8 万亿位之后。当前人类计算 π 值的主要目的是为打破纪录、测试超级计算机的计算能力和高精度乘法算法，因为几乎所有的科学研究对 π 的精度要求都不会超过几百位。按照约尔格·阿恩特及克里斯托夫·黑内尔（Christoph Haenel）的计算，39 个数位已足够运算绝大多数的宇宙学的计算需求，因为这个精确度已能够将可观测宇宙圆周的精确度准确至一个原子大小。原文链接：https://blog.csdn.net/Byeweiyang/article/details/123474347

2022华为软件精英挑战赛技术Q+A--3月14日更新Q: 数据集有无最优解？A: 测试数据主要提供给参赛者调试代码用，当前赛题为开放性的优化问题，没有标准答案。虽然存在理论的最优解，但需要综合各方条件，很难求得，大家需要做的是不断地向最优解靠近。Q: SDK里的shell(.sh)脚本可以修改吗？A: SDK里的shell脚本禁止修改。Q: 关于windows系统下调测的问题?A: 1、windows下shell脚本不可直接执行，建议通过linux系统或者在windows安装wsl、docker进行调测。     2、windows下安装cmake后，用cmake相关命令进行调测。Q: 排行榜多久刷新一次?A: 排行榜每2小时刷新一次。Q: 为什么做300s限制？300s限时会对某些程序语言用户不友好吗？A: 本次解题对算法性能有要求，故限定了时间上限。选手在选择算法和语言时是需要考虑时间要求。建议：    1、通过算法优化提升性能与效率；    2、考虑语言差异。Q: 编译异常一般如何解决？A: 判题程序在linux下执行sh build.sh来判断是否编译成功，如下几点供各位选手参考：    1、请排查build.sh脚本是否修改，该文件禁止修改，修改将导致上传无法生效。    2、检查build.sh在本地是否能编过。    3、是否引用了赛题规定以外的第三方库。    4、检查相关库函数、常量的引用是否做了声明。    5、提交的代码类型是否选错。    6、打包按照SDK说明文档要求，检查是否多一层或者少一层目录。    7、判断是否编译时间过长导致，如果概率性出现编译异常，则有可能是由于编译时间处在临界值，从而在超出临界值时导致编译报错，可优化编译时长，比如去除无用的头      文件包含。    各项要求与条件请详阅《初赛任务书》、《初赛判题错误提示说明》Q: 怎么理解超时错误（300s）？A: 在4U4G资源约束下，每组数据集的最长处理时间为300s，判题系统在指定时间内没有接收完所有的输入则认为超时。    任务书中评判规则：    判题程序会从选手程序输出的solution.txt文件读取分配方案，计算带宽总成本并记录程序运行时间（单位为ms）。    带宽总成本低的方案胜出。    如果不同选手的输出方案的总成本相同，则运行时间少者胜出；如果运行时间也相同，则先提交代码者胜出。    若采用多组数据，则多组结果求和后进行排名。Q: 对于每组数据，选手的程序所有计算步骤（包含读取输入、计算、输出方案）所用时间总和不超过300秒。若程序运行超时、运行出错或输出不合法的解（包括调度分配方案不满足题目约束或解格式不正确），则判定无成绩。A: 对于多组数据，选手的程序在任意一组数据上无成绩，则判定整体无成绩。Q: 能不能再提供一些问题定位的方法？A:     1、请优先参照《初赛判题错误提示说明》对应错误提示，查看错误原因,当前该文档已上线，并提供了各种错误出现的典型场景。    2、请依据错误字段，再次审视《初赛任务书》中输入输出说明，看是否存在理解偏差。    3、查看官方论坛是否有相似问题的解答。    4、根据输出输入定义及数据集，优先进行线下调试。Q: 数据集练习数据和正式赛的数据集数据规模、特征上有什么不同？A:     1.练习与正式赛数据量级相当，但存在差异（具体可参照《初赛任务书》），不同阶段数据存在相似特征，但是数据会有所区分    2.线下调试数据为练习数据的子集，主要供参赛选手用于线下调试代码用    更多信息请参照《初赛任务书》Q: 关于引用第三方库的相关疑问A: 官方推荐环境请参照：https://competition.huaweicloud.com/advance/1000041656/information系统：基于x86的 ubuntu:18.04cpu内存：4U 4G C/C++ 编译环境： make：GNU Make 4.1 cmake：cmake version 3.22.0 gcc：gcc7.3.0 g++: g++7.3.0 Java 编译环境： Java version： java 1.8.0_312 Python 运行环境： Python：Python3.7.3 PyPy：pypy3.7-v7.3.7 numpy：1.19.4建议：建议选手使用和测试环境一致的程序运行环境和软件版本依赖，以确保选手程序在本地和线上编译效果、运行效果均一致，在相同的环境下能够使用的内置函数，在测试环境上同样可以使用。如果选手出于某些原因使用了和测试环境不一致的环境配置，需要谨慎确认并自行承担程序在测试环境上出现的环境差异问题造成的影响。Q: 关于SDK使用过程中的系列问题，如提交代码的目录格式问题：“C++线上测评时的data和output目录在哪里？”等A:     SDK使用说明已上线，请参照如下链接《2022华为软件精英挑战赛SDK使用说明》https://bbs.huaweicloud.com/forum/thread-182328-1-1.html2022华为软件精英挑战赛技术Q+A--3月22日更新Q: 判题程序是如何判断程序运行失败？A: 判题程序调用选手程序进行计算，它通过程序运行返回码来判断是否运行失败。如果进程的exit code设置不正确，也会导致算法正常工作，但程序返回的错误码不对，从而      导致判为运行失败。    选手可以在运行完后用echo $?打印检测。按照Linux的errno处理。Q: 是否存在 程序运行失败，但报的是方案不合法？A: 存在这种可能。部分同学代码运行异常，但自行处理了异常，设置程序的返回码是成功。判题程序会认为程序正确执行，然后取检查solution.txt中的方案是否合法。这时会      读到空文件，返回分配不合法。本质是输出了空文件。Q: 输入文件的节点顺序，是否可以假设一致。如认为demand.csv中的客户节点ID顺序与qos.csv中的客户节点ID顺序一样？A: 不存在这种假设，选手需要根据实际的ID名字进行判断。否则可能会因为ID顺序不一致而导致方案出错。Q: 常见的分配不合法的原因有哪些？A:     1）Qos的条件理解错误，请仔细查看任务书约束；    2）边缘节点带宽超标：存在某个时刻，分配给某个边缘节点的带宽超过上限；    3）带宽分配有误：某个时刻，一个客户节点的带宽未全部分配到边缘节点；或者多分配；    4）客户节点不正确：    程序可以检查最后输出的solution.txt中行数是否与参数|T|*M相同；    注意windows下回车符'\r\n'在Linux环境下的处理的差异。可以自行检索一下相关信息。Q: 能否提供一些更细致的指导有助于查错A: 可参考：https://bbs.huaweicloud.com/forum/thread-182456-1-1.html 里面的一些建议。

透过「历史上的今天」，从过去看未来，从现在亦可以改变未来。今天是 2022 年 3 月 13 日，在 1995 年的今天，Perl 5.001 发布；Perl 是一种功能丰富的计算机程序语言，最初是为文本处理而开发的，现在用于各种任务，包括系统管理，Web 开发，网络编程，GUI 开发等。这次更新也有着里程碑意义，因为在 5.001 版本之前， 除非格式在词法变量的范围内声明，否则词法变量在格式中不可见。回顾计算机历史上的 3 月 13 日，这一天还发生过哪些关键事件呢？1942 年 3 月 13 日：Windows NT 之父 David Cutler 出生1942 年 3 月 13 日，NT 项目的组建人、微软传奇程序员大卫·卡特勒（David N. Cutler）出生；他开发了几种计算机操作系统，包括 Microsoft 的 Windows NT、Digital Equipment Corporation 的 RSX-11M、VAXELN 还有 VMS。比尔·盖茨对卡特勒敬畏三分。卡特勒严厉冷酷，视懒散、困惑、没有竞争力为敌人，不但是一位传奇程序员，更是一位伟大的项目管理者。Windows NT 历时之长、耗资之巨、人员之多，可以说是对软件工程一个史无前例的诠释。由于 Windows NT 以及以后的 Windows 版本几乎统一了个人计算机平台，这为计算机和计算机软件发展作出了无法估量的贡献。卡特勒出生在密歇根州的兰辛，在密歇根州的德威特长大。1965 年从密歇根奥利维特学院毕业后，他前往杜邦公司工作。他的工作需要电脑建模，到 IBM 开办的一所学校学习怎样给 IBM 的电脑编程序。于是卡特勒终于找到了自己的兴趣，他跳槽到 DEC 公司，为 DEC 生产的计算机编写软件。在 DEC 组建一个全新的计算机系列 Prism 之后，卡特勒的项目被 DEC 公司取消，默默离开了公司，而这个夭折的项目也成为了后来 NT 的雏形。卡特勒一生蔑视 Unix，他看不起 Unix 背后的技术委员会，而这一点和比尔·盖茨可谓是一拍即合。1988 年，盖茨见缝插针，竭力劝说卡特勒加入微软。卡特勒不仅欣然同意，还带走了许多与他一同开发 VMS 和 Mica 的程序员。进入微软之后，卡特勒直接授权领导一个工程小组，负责设计一种能提供文件服务、打印服务和应用服务的对称多处理操作系统，起名为 Windows New Technology（NT）。如今大部分用过的 Windows 操作系统，其内核便源自 Windows NT。经过近 4 年的开发工作，在 1993 年 6 月发布的第一版 Windows NT 3.1，已经具备了现代操作系统的雏形——抢先式多任务、虚拟内存、对称多处理器、图形界面、C2 安全级、坚固而稳定的内核、内置网络支持、完全的 32 位代码等。而 1994 年推出的 Windows NT 3.51 和 1996 年推出的 Windows NT 4.0，在性能上有了更进一步提高；NT4.0 甚至提供了当时最先进的 Windows 95 风格界面。卡特勒一生拥有至少 20 项专利，并且是华盛顿大学计算机科学系的附属教员；除了 Windows NT，他还参与了 Xbox One 游戏机的软件优化团队，始终奋战在微软的开发第一线。1986 年 3 月 13 日：微软上市1986 年 3 月 13 日，微软成立近十一年后，开始在纳斯达克证券交易所交易股票。最初的股价定为每股 28 美元，一天之内筹集了近 6100 万美元。如果一个人在 1986 年 3 月 13 日以 21 美元的价格购买了股票，那么截至 2012 年，他的投资价值能达到约 4000 美元。微软这家科技巨头，在 1980 年代中期以 MS-DOS 统治个人计算机操作系统市场，随后在大卫·卡特勒的加盟后成就了 Microsoft Windows；随着这次上市，微软员工中直接诞生了 3 位亿万富翁和大约 12000 名百万富翁。自 1990 年代以来，微软从局限于操作系统市场变得日益多元化，取得了许多企业收购，其中最大的一笔交易是 2016 年 12 月以 262 亿美元收购 LinkedIn ，其次是 2011 年 5 月以 85 亿美元收购 Skype Technologies。但是，随着这次上市之后，微软迎来了和 IBM 的合作，美国联邦贸易委员会因此审查了微软可能存在的勾结，导致着微软在接下来十多年里陷入了无休止的反垄断战争之中。2004 年 3 月 13 日：首届无人车顶级赛事举办2004 年 3 月 13 日，美国国防部高级研究计划局（DARPA）组织了首届无人车挑战赛 DARPA Grand Challenge，挑战目标是：让车辆自动驾驶穿越 142 英里的沙漠。参赛队伍包括领域内顶尖高校、工程师、程序员等，可没有一个队伍完成比赛；卡内基梅隆大学的红队用一辆改装的悍马 Sandstorm 行驶了最远的距离，完成了 11.78 公里（7.32 英里）的路线，然后在转弯后被挂在岩石上。虽然未能成功颁奖，但这次赛事大大促进了自动驾驶的快速发展，可谓自动驾驶行业的里程碑事件。第二次 DARPA Grand Challenge 计划在 2005 年举行。在 2005 年秋天的第二届挑战赛上，就有 5 辆汽车完成了比赛，其中斯坦福大学的 Stanley 获得了第一名。在这次比赛中，车辆需要通过三条狭窄的隧道，并且完成 100 多个左右急转弯；比赛的终点是啤酒瓶山口，这是美国山区的一道蜿蜒山口，一边是陡峭的悬崖，另一边则是一个岩壁。斯坦福大学 Stanley 项目的负责人塞巴斯蒂安·特龙后来创立了谷歌无人驾驶团队和 Google X，特龙还是 Kitty Hawk 公司 CEO、Udacity 联合创始人。从日本、德国、意大利、欧盟、美国等国家的陆续研究开始，全自动驾驶汽车已经成为国际社会多年来的追求。DARPA 从 1966 年开始资助斯坦福研究所的 Shakey 机器人项目，开发出了第一个完全自主的机器人。作为 1984 年开始的战略计算计划的一部分，DARPA 还开发了第一辆能够在道路上和非道路上行驶的自主地面车辆，也促成了 DARPA Grand Challenge 赛事的诞生。从第三届比赛，也就是 2007 年的城市挑战赛开始，第一名、第二名和第三名已经能分别获得 200 万美元、100 万美元和 50 万美元奖金；比赛向世界各地的团队和组织开放，其影响力也越来越大，最终载入了自动驾驶领域的史册。原文链接：https://blog.csdn.net/Byeweiyang/article/details/123452219

【操作步骤&问题现象】1、在昇腾服务器配置好CANN Mind Studio后，使用HwHiAiUser账户通过windows下的Mind Studio远程登录。2、选择ascend-toolkit/5.0.4.alpha003连接3、在界面提示Synchronizing CANN files..读条完后出现错误4、提示我Remote CANN is invalid, please check or choose another CANN.请问是ascend-toolkit的问题吗？还是环境问题？【截图信息】【日志信息】（可选，上传日志内容或者附件）

今年春节刚过，张小白就在小熊派那里买了一张小熊派的鸿蒙开发板：当时还是68元。哪里知道今天一看，价格已经降到了 38元：（first blood！张小白亏了2顿饭钱！）张小白还发现，居然可以用 19.8元购买。（double kill，又亏了一顿饭钱！）这对于省吃俭用的张小白来说，是一次打击。根据经济学定律，已经花了的钱是沉没成本，这只能说在买开发板的道路上，张小白一而再，再而三的失算。唯有输出一些文档，才能平衡一下自己失落的精神了。于是，张小白打开网页：https://gitee.com/bearpi/bearpi-hm_nano/blob/master/applications/BearPi/BearPi-HM_Nano/docs/quick-start/BearPi-HM_Nano%E5%8D%81%E5%88%86%E9%92%9F%E4%B8%8A%E6%89%8B.md开始依葫芦画瓢之旅。首先根据要求下载各自镜像，小点的直接下载，大点的通过百度网盘转存后再下载：下载之后大概是这么多东西：解压最大的那个镜像压缩文件：打开VMWare选择导入:耐心等待导入结束：打开虚拟机：这里有个小技巧，如果虚拟机不能直接打开，可以选择升级后再打开。输入密码bearpi登陆：打开终端，查看ip地址为：192.168.3.13 （每个人的地址不一样）并查看外网连接是否通畅：配置MobaXterm的SSH终端，连接该虚拟机：用户名bearpi,密码bearpi安装RaiDrive，这是一个可以将虚拟机内的文件映射到Windows虚拟盘的工具：点INSTALL耐心等待安装结束：点击Finish打开RaiDrive先点击Settings，修改语言为中文，再点击添加：输入前面记住的虚拟机服务器IP：192.168.3.13以及对应的用户名，密码，点击确定。等待映射：最终可以在Windows上看到一个Z盘：存放的就是Linux盘内的所有文件。使用MobaXTerm登陆终端，可以通过两种方式编译代码：（1）使用hpmmkdir codecd codehpm init -t default...hpm diist 编译代码：。。。打开Z盘可以看到，编译好的代码在 code/out/BeaiPi-HM_Nano目录下：其中Hi3861_wifiict_app_allinone.bin就是我们需要烧录到小熊派的代码。（2）下载gitee代码仓并编译代码mkdir code2cd code2git clone https://gitee.com/bearpi/bearpi-hm_nano.gitcd bearpi-hm_nanopython build.py BearPi-HM_Nano。。。打开Z盘可以看到，编译好的代码在 code2/out/BeaiPi-HM_Nano目录下：然后使用HiBurn软件烧录上面任意一个allinone的bin当然在这之前需要先安装驱动：运行 CH341SER.exe点击安装：将小熊派使用USB-TypeC线连接电脑和小熊派开发板。打开设备管理器：刷新之后可以看到CH340的端口是COM3打开HiBurn烧录软件，点击设置：修改波特率为921600后，点击确定。再点击select file,选择前面编译好的allinone.bin文件：并复选Autu burn点击connect：此时需要按一下小熊派上的RESET按钮（倒数第三个按钮）于是开始烧录：耐心等待烧录完毕。烧录完毕后，点击disconnect断开Hiburn烧录软件与COM扣的连接。打开MobaXterm， 选择Serial类型连接：选择串口COM3，以及波特率115200,点击OK此时需要再按一下RESET按钮：MobaXTerm上出现串口数据。表示烧录成功。于是，我们就完成了《BearPi-HM Nano 十分钟上手教程》。（未完待续）

漏洞描述：2022年3月8日，微软发布了3月份的安全更新，本次发布的安全更新修复了包括3个0 day漏洞在内的71个安全漏洞（不包括 21个 Microsoft Edge 漏洞），其中有3个漏洞被评级为严重。漏洞危害：CVE-2022-23277：MicrosoftExchange Server 远程执行代码漏洞该漏洞的攻击复杂度和所需权限低，攻击者可以针对服务器账户远程执行任意代码，但攻击者必须经过身份验证，其CVSSv3评分为8.8。CVE-2022-22006：HEVC视频扩展任意代码执行漏洞该漏洞的攻击复杂度低，无需特殊权限即可被本地利用，但需与用户交互。如果设备制造商预装了此应用程序，则软件包版本1.0.50361.0及更高版本包含此漏洞的更新；如果从 Microsoft Store购买了此应用程序，则软件包版本1.0.50362.0及更高版本包含此漏洞的更新。可以在 PowerShell 中检查包版本：Get-AppxPackage-Name Microsoft.HEVCVideoExtensionCVE-2022-24501：VP9视频扩展任意代码执行漏洞该漏洞的攻击复杂度低，无需特殊权限即可被本地利用，但需与用户交互，其CVSSv3评分为7.8。攻击者可以通过诱使受害者下载并打开可能导致崩溃的特制文件来利用此漏洞。应用程序包版本1.0.42791.0及更高版本包含此漏洞的更新，可以在 PowerShell 中检查包版本：Get-AppxPackageNameMicrosoft.VP9VideoExtensions影响范围：CVE-2022-23277:Exchange Server 2013、2016 和 2019。CVE-2022-22006:HEVC视频扩展软件包版本<1.0.50361.0CVE-2022-24501:VP9视频扩展应用程序包版本<1.0.42791.0漏洞等级：   严重修复方案：目前微软已发布相关安全更新，建议受影响的用户尽快修复。（一） Windows update更新自动更新：Microsoft Update默认启用，当系统检测到可用更新时，将会自动下载更新并在下一次启动时安装。手动更新：1、点击“开始菜单”或按Windows快捷键，点击进入“设置”2、选择“更新和安全”，进入“Windows更新”（Windows 8、Windows 8.1、Windows Server 2012以及Windows Server 2012 R2可通过控制面板进入“Windows更新”，具体步骤为“控制面板”->“系统和安全”->“Windows更新”）3、选择“检查更新”，等待系统将自动检查并下载可用更新。4、重启计算机，安装更新系统重新启动后，可通过进入“Windows更新”->“查看更新历史记录”查看是否成功安装了更新。对于没有成功安装的更新，可以点击该更新名称进入微软官方更新描述链接，点击最新的SSU名称并在新链接中点击“Microsoft 更新目录”，然后在新链接中选择适用于目标系统的补丁进行下载并安装。

cmake小白，windows 编译mindspore master(r1.7),出现上图报错，参考其它帖子设置过FROM_GITEE，问题依旧。

1.1 打开Anaconda Prompt1、conda create -n pytorch python=3.7.0：创建名为pytorch的虚拟环境，并为该环境安装python=3.7。2、activate pytorch：激活名为pytorch的环境1.2 确定硬件支持的CUDA版本NVIDIA控制面板-帮助-系统信息-组件2020年5月19日16:46:31，我更新了显卡驱动，看到我的cuda支持11以内的1.3 确定pytorch版本，torchvision版本进入pytorch官网：https://pytorch.org/get-started/locally/因为官方源太慢了，这里使用清华源下载1.4 镜像中下载对应的安装包清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/pytorch：torchvision：1.5 本地安装接着第一步，在pytorch环境下进行安装，依次输入如下指令。然后回到虚拟环境所在目录，用conda install anaconda安装环境所需的基础包1.6 测试代码1：••••from future import print_functionimport torchx = torch.rand(5, 3)print(x)输出类似于以下的张量：代码2：••import torchtorch.cuda.is_available()输出：True如果以上两段代码输出无异常，表明环境搭建成功。1.7 遇到的问题• \用下面命令创建虚拟环境报错**•conda create -n py37_torch131 python=3.7【解决方法】https://blog.csdn.net/weixin_42329133/article/details/102640763环境会保存在Anaconda目录下的envs文件夹内• \PackagesNotFoundError: The following packages are not available from current channels\**【解决方法】：https://www.cnblogs.com/hellojiaojiao/p/10790273.html• conda下载太慢问题【解决方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/我直呼一声清华NB！• cuda安装cuda历史版本下载：https://developer.nvidia.com/cuda-toolkit-archive要看NVIDIA的组件，自己的CUDA支持哪个版本，我是1060显卡，所以我下的10.0版本的cuda• pytorch安装官网没有我的组合，我满脸问号这里我直接（别忘了先进入刚创建的环境）•conda install pytorch torchvision cudatoolkit=10.0 -c pytorch• jupyter note如何进入虚拟环境python -m ipykernel install --name 虚拟环境名1.打开Anaconda Prompt,输入conda env list 查看现有环境2.输入activate name（name是你想切换的环境）3.conda install ipykernel 安装必要插件4.python -m ipykernel install --name Name 将环境添加到Jyputer中（Name是此环境显示在Jyputer中的名称，可自定义）删除内核jupyter kernelspec remove 内核名称报错[Errono 13][Errno 13] Permission denied: ‘/usr/local/share/jupyter’为此，需要添加–user选项，将配置文件生成在本账户的家目录下。•python -m ipykernel install --user --name py27-caffe-notebook至此，添加kernel完成。查看已有的kernel：•jupyter kernelspec list删除已有的kernel•jupyter kernelspec remove kernelname以上的命令删除仅仅是配置文件，并没有卸载相应虚拟环境的ipykernel，因此若要再次安装相应python虚拟环境的kernel，只需激活虚拟环境，然后•python -m ipykernel install --name kernelname• conda安装一半总失败把文件下载到本地，进入该文件的目录，然后用命令•conda install --offline 包名文章来源于Datawhale ，作者Datawhale

【功能模块】请问dllfile是mindspore-lite-1.6.0-win-x64\runtime\lib目录下的哪个问题  system.loadlibrary(dllfile)后发生以下错误: Exception in thread "main" java.lang.UnsatisfiedLinkError: 'long com.mindspore.config.MSContext.createMSContext(int, int, boolean)'    at com.mindspore.config.MSContext.createMSContext(Native Method)    at com.mindspore.config.MSContext.init(MSContext.java:62)    at Main.compile(Main.java:55)    at Main.main(Main.java:140)【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）