### 华为MindSpore平台下深度模型云端训练自动化
后端功能实现：收到前端的的数据有任务类型，数据集，训练参数等
1.创建两个脚本文件run_train_detection.sh和run_train_semantic.sh分别对应目标检测和语义分割两种训练方式
export DEVICE_ID=0
export SLOG_PRINT_TO_STDOUT=0
# save path
export train_path=/home/ma-user/work/lh/semantic/train_dir
# train.py path
export train_code_path=/home/ma-user/work/lh/DeepLabv3plus_for_MindSpore_1.1_code_new
mkdir -p ${train_path}
mkdir ${train_path}/device${DEVICE_ID}
mkdir ${train_path}/ckpt
cd ${train_path}/device${DEVICE_ID} || exit
python ${train_code_path}/train.py --data_file=/home/ma-user/work/lh/semantic/train/mindsporetest \
--train_dir=${train_path}/ckpt \
--train_epochs=<epochs> \
--batch_size=32 \
--crop_size=513 \
--base_lr=<lr> \
--lr_type=cos \
--min_scale=0.5 \
--max_scale=2.0 \
--ignore_label=255 \
--num_classes=20 \
--model=DeepLabV3plus_s16 \
--ckpt_pre_trained= \
--save_steps=1500 \
--keep_checkpoint_max=200 >log 2>&1 &
包含训练路径，数据集路径，模型保存路径，常见训练参数等等
2.创建一个.sh文件用来接受前端参数并修改训练脚本文件
命令：sed -i 's/<epochs>/200/' run_train_semantic.sh
用来修改对应的训练参数，学习率等参数
命令：bash run_train_semantic.sh
启动训练
