昇思大模型——MindFormers的使用----从零开始安装配置环境

MindSpore Transformers套件的目标是构建一个大模型训练、微调、评估、推理、部署的全流程开发套件,提供业内主流的Transformer类预训练模型和SOTA下游任务应用,涵盖丰富的并行特性。期望帮助用户轻松的实现大模型训练和创新研发。

MindSpore Transformers套件基于MindSpore内置的并行技术和组件化设计,具备如下特点:

  • 一行代码实现从单卡到大规模集群训练的无缝切换;
  • 提供灵活易用的个性化并行配置;
  • 能够自动进行拓扑感知,高效地融合数据并行和模型并行策略;
  • 一键启动任意任务的单卡/多卡训练、微调、评估、推理流程;
  • 支持用户进行组件化配置任意模块,如优化器、学习策略、网络组装等;
  • 提供Trainer、pipeline、AutoClass等高阶易用性接口;
  • 提供预置SOTA权重自动下载及加载功能;
  • 支持人工智能计算中心无缝迁移部署;

昇思大模型平台 (mindspore.cn)

mindformers: MindSpore Transformers套件的目标是构建一个大模型训练、推理、部署的全流程套件: 提供业内主流的Transformer类预训练模型, 涵盖丰富的并行特性。 期望帮助用户轻松的实现大模型训练。 文档:https://mindformers.readthedocs.io/zh-cn/latest/ (gitee.com)

  1. 安装

在Linux Ubuntu环境下先安装git

复制代码
sudo apt install git

获取mindformers

复制代码
git clone -b r1.1.0 https://gitee.com/mindspore/mindformers.git

进入目录执行脚本

复制代码
cd mindformers

bash build.sh

这个脚本需要安装python的setuptools库,运行链接中的命令

No module named 'distutils.cmd_no module named 'distutils.cmd-CSDN博客

复制代码
sudo apt-get install python3.7-distutils   3.7

Python版本至少要3.7,我建议安装3.9

Ubuntu升级Python至3.7_apt-get 更新python3.7-CSDN博客

复制代码
python3

键入"exit()"回到正常命令行模式

build.h可能会报错ERROR: Invalid requirement: 'mindformers*whl'

把脚本里面的python改成python3

按下Esc后键入":wq!"保存退出

再次运行

复制代码
bash build.sh

成功运行,安装完毕。

有时候需要Python不同版本,注意python3和python不一样。我记得也是可以配置的。

复制代码
whereis python3
rm /usr/bin/python3
ln -s /usr/bin/python3.9 /usr/bin/python3

如果是3.9

复制代码
sudo apt-get install python3.9-distutils   3.9
相关推荐
程序员天天困1 分钟前
GPT-5.6 来了!三款模型、Ultra 模式、编程能力全面解析
人工智能·chatgpt
AIGS0012 分钟前
向量空间JBoltAI:本体语义如何跨越企业AI的语义鸿沟
java·大数据·人工智能·人工智能ai大模型应用
Lucky_luckyZzz17 分钟前
明略科技·灵听工牌深度测评:四位一体闭环如何落地门店销售管理?
人工智能
xiaotie100518 分钟前
DeerFlow 2.0 Windows LocalSandbox Shell 执行 Bug 完整排查修复报告
人工智能
神奇小汤圆20 分钟前
Loop Engineering 半年实战拆解 :自进化的开发系统已开源
人工智能
熊猫钓鱼>_>28 分钟前
Electron:当 Web 技术统治桌面
大数据·前端·javascript·人工智能·架构·electron·agent
城事漫游Molly38 分钟前
用AI提炼研究问题与假设的完整提示词——从模糊想法到精准RQ/Hypothesis,AI辅助精化全流程
人工智能·机器学习·prompt·ai for science·博士生必读·应用语言学·研究问题
AI刀刀38 分钟前
豆包智能体对话导出后,如何构建长期归档与高效检索体系?
android·人工智能·word·excel·ai导出鸭
workflower39 分钟前
室内外配送机器人-应用路径
人工智能·机器学习·设计模式·矩阵·自动化
Token炼金师43 分钟前
生产化的鸿沟:流式、缓存、可观测、红蓝对抗、限流降级与评测 —— 工程化六渡
人工智能·llm·可观测性·红蓝对抗·缓存策略·限流降级·评测体系