新版训练和旧版训练的差异主要体现在以下3点:

新旧版创建训练作业方式差异
新旧版训练代码适配的差异
新旧版训练预置引擎差异

新旧版创建训练作业方式差异

旧版训练支持使用自定义算法、使用预置算法、使用常用框架、使用自定义镜像方式创建训练作业。

新版训练支持使用市场订阅算法和自定义算法创建训练作业。

新版训练的创建方式有了更明确的类别划分，不影响用户的原有的训练作业，只是选择方式存在区别。

旧版中使用自定义算法和使用常用框架创建训练作业的用户，可以在新版训练中使用预置框架方式创建训练作业。

旧版中使用预置算法的用户，可以在新版训练中使用订阅算法创建训练作业。

旧版中使用自定义镜像创建训练作业的用户，可以在新版训练中使用自定义镜像创建训练作业。

新旧版训练代码适配的差异

旧版训练中，用户需要在输入输出数据上做如下配置：

#解析命令行参数
import argparse
parser = argparse.ArgumentParser(description='MindSpore Lenet Example')
parser.add_argument('--data_url', type=str, default="./Data",
                    help='path where the dataset is saved')
parser.add_argument('--train_url', type=str, default="./Model", help='if is test, must provide\
                    path where the trained ckpt file')
args = parser.parse_args()
...
#下载数据参数至容器本地，在代码中使用local_data_path代表训练输入位置
mox.file.copy_parallel(args.data_url, local_data_path)
...
#上传容器本地数据至obs路径
mox.file.copy_parallel(local_output_path, args.train_url)

新版训练中，用户配置输入输出数据，无需书写下载数据的代码，在代码中把arg.data_url和arg.train_url当做本地路径即可，详情参考开发自定义脚本。

#解析命令行参数
import argparse
parser = argparse.ArgumentParser(description='MindSpore Lenet Example')
parser.add_argument('--data_url', type=str, default="./Data",
                    help='path where the dataset is saved')
parser.add_argument('--train_url', type=str, default="./Model", help='if is test, must provide\
                    path where the trained ckpt file')
args = parser.parse_args()
...
# 下载的代码无需设置，后续涉及训练数据和输出路径数据使用data_url和train_url即可
#下载数据参数至容器本地，在代码中使用local_data_path代表训练输入位置
#mox.file.copy_parallel(args.data_url, local_data_path)
...
#上传容器本地数据至obs路径
#mox.file.copy_parallel(local_output_path, args.train_url)

新旧版训练预置引擎差异

新版的预置训练引擎默认安装Moxing2.0.0及以上版本。
新版的预置训练引擎统一使用了Python3.7及以上版本。
新版镜像修改了默认的HOME目录，由“/home/work”变为“/home/ma-user”，请注意识别训练代码中是否有“/home/work”的代码。
提供预置引擎类型有差异。新版的预置引擎在常用的训练引擎上进行了升级。

如果您需要使用旧版训练引擎，单击显示旧版引擎即可选择旧版引擎。新旧版支持的预置引擎差异请参考表1。详细的训练引擎版本说明请参考新版训练和旧版训练分别支持的AI引擎。

表1 新旧版预置引擎差异

工作环境	预置训练I引擎与版本	旧版训练	新版训练
TensorFlow	Tensorflow-1.8.0	√	x
Tensorflow-1.13.1	√	后续版本支持
Tensorflow-2.1.0	√	√
MXNet	MXNet-1.2.1	√	x
Caffe	Caffe-1.0.0	√	x
Spark_MLlib	Spark-2.3.2	√	x
Ray	RAY-0.7.4	√	x
XGBoost-Sklearn	XGBoost-0.80-Sklearn-0.18.1	√	x
PyTorch	PyTorch-1.0.0	√	x
PyTorch-1.3.0	√	x
PyTorch-1.4.0	√	x
PyTorch-1.8.0	x	√
Ascend-Powered-Engine	Mindspore-1.1.1	√	x
Mindspore-1.3.0	x	√
Tensorflow-1.15	√	√
MPI	MindSpore-1.3.0	x	√
Horovod	horovod_0.20.0-tensorflow_2.1.0	x	√
horovod_0.22.1-pytorch_1.8.0	x	√
MindSpore-GPU	MindSpore-1.1.0	√	x
MindSpore-1.2.0	√	x

父主题： 准备算法

同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）

内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家