AI开发平台MODELARTS-使用ModelArts PyCharm插件调试训练ResNet50图像分类模型:步骤2：使用PyCharm进行本地开发调试

时间：2025-01-24 14:44:58

AI开发平台MODELARTS

步骤2：使用PyCharm进行本地开发调试

下载代码至本地。
本案例中，以图像分类模型resnet50模型为例，路径为“./models/official/cv/resnet/”
```
# 在本地电脑Terminal下载代码至本地
git clone https://gitee.com/mindspore/models.git -b v1.5.0
```
图3 下载代码至本地

配置本地PC开发环境。

修改“models/official/cv/resnet/requirements.txt”文件，改为：

numpy==1.17.5
scipy==1.5.4
easydict==1.9

执行pip命令安装：

# 在PyCharm的Terminal安装mindspore
pip install mindspore==1.7.0 --trusted-host https://repo.huaweicloud.com -i https://repo.huaweicloud.com/repository/pypi/simple
# 在PyCharm的Terminal安装resnet依赖
pip install -r .\official\cv\resnet\requirements.txt --trusted-host https://repo.huaweicloud.com -i https://repo.huaweicloud.com/repository/pypi/simple

图4 安装resnet依赖

准备数据集。
本样例使用的数据集为类别数为五类的花卉识别数据集，下载数据集并解压数据到工程目录。新建dataset文件夹，将解压后数据集保存在dataset文件夹下。

图5 准备数据集
配置PyCharm解释器和入参。
单击右上角“Current File”，选择“Edit Configuration”，打开“Run/Debug Configuration”对话框。在对话框中单击“+”，选择“Python”。
图6 前往PyCharm解释器

“Script path”选择train.py文件，“Parameters”命令如下所示，并选择Python解释器，然后单击“OK”：
```
--net_name=resnet50 --dataset=imagenet2012 --data_path=../../../dataset/flower_photos/ --class_num=5 --config_path=./config/resnet50_imagenet2012_config.yaml --epoch_size=1 --device_target="CPU"
```
图7 配置PyCharm解释器

根据README说明文档，配置Parameter参数device_target="CPU"表示CPU环境运行，device_target="Ascend"表示在Ascend环境运行。
本地代码开发调测。
一般本地CPU算力较低并且内存较小，可能出现内存溢出的报错，因此可以把“models/official/cv/resnet/config/resnet50_imagenet2012_config.yaml”的“batch_size”由“256”改为“32”，使得训练作业可以快速运行。

图8 修改batch_size

AI开发过程中的数据集开发及模型开发是和硬件规格无关的，而且这一部分的开发耗时是最长的，因此可以先在本地PC的CPU环境进行数据集和模型开发调试。

本例中，因为样例代码已经支持在CPU上进行训练，因此用户能够在CPU上完成整个训练流程。如果代码只支持在GPU或者Ascend上训练，那么可能会报错，需要使用Notebook进行云端调试。

设置断点后单击“调试”，可实现代码逐步调试，查看中间变量值。

图9 “调试”按钮

图10 通过设置断点实现代码调试

可单击“运行”按钮，通过日志观察是否能正常训练。

图11 “运行”按钮

图12 训练日志