README_CN.md

欢迎来到MindSpore ModelZoo

MindSpore models仓中提供了不同任务领域，经典的SOTA模型实现和端到端解决方案。目的是方便MindSpore用户更加方便的利用MindSpore进行研究和产品开发。

为了让开发者更好地体验MindSpore框架优势，我们将陆续增加更多的典型网络和相关预训练模型。如果您对ModelZoo有任何需求，请通过Gitee或MindSpore与我们联系，我们将及时处理。

目录	描述
official	• 官方维护，随MindSpore版本迭代更新，保证版本出口网络的精度效果 • 推荐写法，使用最新的MindSpore接口和推荐使用的特性，在保证代码可读性的基础上，有更快的性能表现 • 有详细的网络信息和说明文档，包含但不限于模型说明，数据集使用，规格支持，精度性能数据，网络checkpoint文件，MindIR文件等
research	• 历史支持，测试验收通过的模型，在README里标明支持的MindSpore版本 • 按需维护，内容不会随版本迭代更新，只会适配对应的接口变更，由MindSpore开发人员进行维护支持，按需进行维护升级 • 提供较为详细的网络信息和说明文档，包含但不限于模型说明，数据集使用，规格支持，精度数据，网络checkpoint文件，MindIR文件等
community	• 生态开发者贡献模型，按需进行维护升级，在README里说明支持的MindSpore版本 • 不强制提供模型文件

• 使用最新MindSpore API的SOTA模型

• MindSpore优势

• 官方维护和支持

目录

官方网络

领域	子领域	网络	Ascend	GPU	CPU
语音	声纹识别	ecapa_tdnn	✅
语音	语音合成	lpcnet	✅	✅
语音	语音合成	melgan	✅	✅
语音	语音合成	tacotron2	✅
图神经网络	文本分类	bgcf	✅	✅
图神经网络	文本分类	gat	✅	✅
图神经网络	文本分类	gcn	✅	✅
推荐	推荐系统	naml	✅	✅
推荐	推荐系统	ncf	✅	✅
推荐	推荐系统	tbnet	✅	✅
图像	图像分类	alexnet	✅	✅
图像	图像去噪	brdnet	✅
图像	目标检测	centerface	✅	✅	✅
图像	图像分类	cnn_direction_model	✅	✅
图像	文本识别	cnnctc	✅	✅	✅
图像	文本识别	crnn	✅	✅	✅
图像	文本识别	crnn_seq2seq_ocr	✅
图像	图像分类	cspdarknet53	✅
图像	目标检测	ctpn	✅	✅
图像	目标检测	darknet53		✅
图像	语义分割	deeplabv3	✅	✅	✅
图像	文本检测	deeptext	✅	✅
图像	图像分类	densenet100	✅	✅
图像	图像分类	densenet121	✅	✅
图像	深度估计	depthnet	✅
图像	图像去噪	dncnn		✅
图像	图像分类	dpn	✅	✅
图像	文本检测	east	✅	✅
图像	图像分类	efficientnet		✅	✅
图像	图像分类	erfnet	✅	✅
图像	文本识别	essay-recogination		✅
图像	目标检测	FasterRCNN_Inception_Resnetv2	✅	✅
图像	目标检测	FasterRCNN_ResNetV1.5_50	✅	✅
图像	目标检测	FasterRCNN_ResNetV1_101	✅	✅
图像	目标检测	FasterRCNN_ResNetV1_152	✅	✅
图像	目标检测	FasterRCNN_ResNetV1_50	✅	✅
图像	语义分割	fastscnn	✅
图像	语义分割	FCN8s	✅	✅
图像	图像分类	googlenet	✅	✅
图像	图像分类	inceptionv3	✅	✅	✅
图像	图像分类	inceptionv4	✅	✅	✅
图像	图像去噪	LearningToSeeInTheDark	✅
图像	图像分类	lenet	✅	✅	✅
图像	目标检测	maskrcnn_resnet50	✅	✅
图像	目标检测	maskrcnn_mobilenetv1	✅	✅	✅
图像	人群计数	MCNN	✅	✅
图像	图像分类	mobilenetv1	✅	✅
图像	图像分类	mobilenetv2	✅	✅	✅
图像	图像分类	mobilenetv3	✅	✅	✅
图像	图像分类	nasnet	✅	✅
图像	图像质量评估	nima	✅	✅
图像	点云模型	octsqueeze	✅	✅
图像	关键点检测	openpose	✅
图像	缺陷检测	patchcore	✅	✅
图像	相机重定位	posenet	✅	✅
图像	视频预测学习	predrnn++	✅
图像	文本检测	psenet	✅	✅
图像	姿态估计	pvnet	✅
图像	光流估计	pwcnet	✅	✅
图像	图像超分	RDN	✅	✅
图像	图像分类	resnet101	✅	✅	✅
图像	图像分类	resnet152	✅	✅	✅
图像	图像分类	resnet18	✅	✅	✅
图像	图像分类	resnet34	✅	✅	✅
图像	图像分类	resnet50	✅	✅	✅
图像	图像分类	resnet50_thor	✅	✅
图像	图像分类	resnext101	✅	✅
图像	图像分类	resnext50	✅	✅
图像	目标检测	retinaface_resnet50		✅
图像	目标检测	retinanet	✅	✅
图像	图像分类	se_resnext50	✅
图像	图像抠图	semantic_human_matting	✅
图像	图像分类	se-resnet50	✅	✅	✅
图像	图像分类	shufflenetv1	✅	✅	✅
图像	图像分类	shufflenetv2	✅	✅	✅
图像	图像分类	simclr	✅	✅
图像	关键点检测	simple_pose	✅	✅
图像	目标检测	sphereface	✅	✅
图像	图像分类	squeezenet	✅	✅
图像	图像分类	SqueezeNet_Residual	✅	✅
图像	图像超分	srcnn	✅	✅
图像	目标检测	ssd_mobilenet-v1-fpn	✅	✅	✅
图像	目标检测	ssd_mobilenet-v2	✅	✅	✅
图像	目标检测	ssd-resnet50-fpn	✅	✅	✅
图像	目标检测	ssd-vgg16	✅	✅	✅
图像	缺陷检测	ssim-ae	✅
图像	图像分类	tinydarknet	✅	✅	✅
图像	语义分割	UNet_nested	✅	✅
图像	语义分割	unet2d	✅	✅
图像	语义分割	unet3d	✅	✅
图像	图像分类	vgg16	✅	✅	✅
图像	图像分类	vit	✅	✅
图像	文本识别	warpctc	✅	✅
图像	图像分类	xception	✅	✅
图像	目标检测	yolov3_darknet53	✅	✅
图像	目标检测	yolov3_resnet18	✅
图像	目标检测	yolov4	✅
图像	目标检测	yolov5s	✅	✅
推荐	点击率预测	deep_and_cross		✅
推荐	点击率预测	deepfm	✅	✅
推荐	点击率预测	fibinet		✅
推荐	点击率预测	wide_and_deep	✅	✅
推荐	点击率预测	wide_and_deep_multitable	✅	✅
文本	自然语言理解	bert_base	✅	✅
文本	自然语言理解	bert_bilstm_crf	✅	✅
文本	自然语言理解	bert_finetuning	✅	✅
文本	自然语言理解	bert_large	✅
文本	自然语言理解	bert_nezha	✅	✅
文本	自然语言理解	cpm	✅	✅
文本	对话	dgu	✅	✅
文本	对话	duconv	✅	✅
文本	情绪分类	emotect	✅	✅
文本	自然语言理解	ernie	✅	✅
文本	自然语言理解	fasttext	✅	✅
文本	自然语言理解	gnmt_v2	✅	✅
文本	自然语言理解	gpt3	✅
文本	自然语言理解	gru	✅	✅
文本	情绪分类	lstm	✅	✅
文本	自然语言理解	mass	✅	✅
文本	预训练	pangu_alpha	✅	✅
文本	自然语言理解	textcnn	✅	✅
文本	自然语言理解	tinybert	✅	✅
文本	自然语言理解	transformer	✅	✅
视频	目标追踪	ADNet	✅
视频	视频分类	c3d	✅	✅
视频	目标追踪	Deepsort	✅	✅

研究网络

领域	子领域	网络	Ascend	GPU	CPU
3D	三维重建	cmr		✅
3D	三维重建	DecoMR		✅
3D	三维重建	DeepLM		✅
3D	三维重建	eppmvsnet		✅
3D	三维物体检测	pointpillars	✅	✅
语音	语音识别	ctcmodel	✅
语音	语音识别	deepspeech2		✅
语音	语音唤醒	dscnn	✅	✅
语音	语音合成	FastSpeech		✅
语音	语音标注	fcn-4	✅	✅
语音	语音识别	jasper	✅	✅
语音	语音合成	wavenet	✅	✅
图神经网络	图分类	dgcn	✅
图神经网络	文本分类	hypertext	✅	✅
图神经网络	图分类	sdne	✅
图神经网络	社会和信息网络	sgcn	✅	✅
图神经网络	文本分类	textrcnn	✅	✅
高性能计算	高性能计算	deepbsde		✅
高性能计算	高性能计算	molecular_dynamics	✅
高性能计算	高性能计算	ocean_model		✅
高性能计算	高性能计算	pafnucy	✅	✅
高性能计算	高性能计算	pfnn		✅
高性能计算	高性能计算	pinns		✅
图像	图像分类	3D_DenseNet	✅	✅
图像	语义分割	3dcnn	✅	✅
图像	语义分割	adelaide_ea	✅
图像	文本检测	advanced_east	✅	✅
图像	风格转移	aecrnet	✅	✅
图像	重新识别	AlignedReID		✅
图像	重新识别	AlignedReID++	✅	✅
图像	姿态估计	AlphaPose	✅
图像	风格转移	APDrawingGAN	✅	✅
图像	风格转移	ArbitraryStyleTransfer	✅	✅
图像	目标检测	arcface	✅	✅
图像	关键点检测	ArtTrack		✅
图像	风格转移	AttGAN	✅	✅
图像	图像分类	augvit		✅
图像	图像分类	autoaugment	✅	✅
图像	语义分割	Auto-DeepLab	✅
图像	神经架构搜索	AutoSlim	✅	✅
图像	图像分类	AVA_cifar	✅	✅
图像	图像分类	AVA_hpa	✅	✅
图像	图像分类	cait	✅	✅
图像	目标检测	CascadeRCNN	✅	✅
图像	图像分类	CBAM	✅
图像	图像分类	cct	✅	✅
图像	关键点检测	centernet	✅		✅
图像	关键点检测	centernet_det	✅
图像	关键点检测	centernet_resnet101	✅	✅
图像	关键点检测	centernet_resnet50_v1	✅
图像	图像生成	CGAN	✅	✅
图像	图像分类	convnext	✅	✅
图像	图像超分	csd	✅	✅
图像	图像生成	CTSDG		✅
图像	风格转移	CycleGAN	✅	✅
图像	图像超分	DBPN	✅
图像	图像超分	DBPN_GAN	✅
图像	图像生成	dcgan	✅	✅
图像	重新识别	DDAG	✅	✅
图像	语义分割	DDM	✅
图像	语义分割	DDRNet	✅	✅
图像	目标检测	DeepID	✅	✅
图像	语义分割	deeplabv3plus	✅	✅
图像	图像检索	delf	✅
图像	零样本学习	dem	✅	✅
图像	目标检测	detr	✅	✅
图像	语义分割	dgcnet_res101		✅
图像	实例分割	dlinknet	✅
图像	图像去噪	DnCNN	✅
图像	图像分类	dnet_nas	✅
图像	图像分类	DRNet	✅	✅
图像	图像超分	EDSR	✅
图像	目标检测	EfficientDet_d0	✅
图像	图像分类	efficientnet-b0	✅
图像	图像分类	efficientnet-b1	✅
图像	图像分类	efficientnet-b2	✅	✅
图像	图像分类	efficientnet-b3	✅	✅
图像	图像分类	efficientnetv2	✅
图像	显著性检测	EGnet	✅	✅
图像	语义分割	E-NET	✅	✅
图像	图像超分	esr_ea	✅	✅
图像	图像超分	ESRGAN	✅	✅
图像	图像分类	FaceAttribute	✅	✅
图像	目标检测	faceboxes	✅
图像	目标检测	FaceDetection	✅	✅
图像	人脸识别	FaceNet	✅	✅
图像	图像分类	FaceQualityAssessment	✅	✅	✅
图像	目标检测	FaceRecognition	✅	✅
图像	目标检测	FaceRecognitionForTracking	✅	✅	✅
图像	目标检测	faster_rcnn_dcn	✅	✅
图像	图像抠图	FCANet	✅
图像	图像分类	FDA-BNN	✅	✅
图像	图像分类	fishnet99	✅	✅
图像	光流估计	flownet2	✅
图像	图像生成	gan	✅	✅
图像	图像分类	GENet_Res50	✅
图像	图像分类	ghostnet	✅
图像	图像分类	ghostnet_d	✅	✅
图像	图像分类	glore_res200	✅	✅
图像	图像分类	glore_res50	✅	✅
图像	图像分类	hardnet	✅	✅
图像	边缘检测	hed	✅	✅
图像	图像生成	HiFaceGAN		✅
图像	图像分类	HourNAS		✅
图像	图像分类	HRNetW48_cls	✅	✅
图像	语义分割	HRNetW48_seg	✅
图像	图像分类	ibnnet	✅	✅
图像	语义分割	ICNet	✅
图像	图像分类	inception_resnet_v2	✅	✅
图像	图像分类	Inceptionv2	✅	✅
图像	图像抠图	IndexNet		✅
图像	图像生成	IPT	✅
图像	图像超分	IRN	✅	✅
图像	图像分类	ISyNet	✅	✅
图像	图像分类	ivpf		✅
图像	图像去噪	LearningToSeeInTheDark	✅
图像	元学习	LEO	✅	✅
图像	目标检测	LightCNN	✅	✅	✅
图像	图像超分	lite-hrnet		✅
图像	图像分类	lresnet100e_ir		✅
图像	目标检测	m2det		✅
图像	自编码	mae	✅	✅
图像	元学习	MAML	✅	✅
图像	文本识别	ManiDP		✅
图像	人脸识别	MaskedFaceRecognition	✅
图像	元学习	meta-baseline	✅	✅
图像	重新识别	MGN	✅	✅
图像	深度估计	midas	✅	✅
图像	图像去噪	MIMO-UNet		✅
图像	图像分类	mnasnet	✅	✅
图像	图像分类	mobilenetv3_large	✅		✅
图像	图像分类	mobilenetV3_small_x1_0	✅	✅	✅
图像	图像分类	MultiTaskNet	✅	✅
图像	重新识别	MVD	✅	✅
图像	目标检测	nas-fpn	✅
图像	图像去噪	Neighbor2Neighbor	✅	✅
图像	图像分类	NFNet	✅	✅
图像	图像质量评估	nima_vgg16		✅
图像	语义分割	nnUNet	✅	✅
图像	图像分类	ntsnet	✅	✅
图像	语义分割	OCRNet	✅	✅
图像	重新识别	osnet	✅	✅
图像	显著性检测	PAGENet	✅	✅
图像	图像检索	pcb		✅
图像	图像检索	pcb		✅
图像	图像检索	pcb_rpp		✅
图像	图像分类	PDarts	✅	✅
图像	图像生成	PGAN	✅	✅
图像	图像生成	Pix2Pix	✅	✅
图像	图像超分	Pix2PixHD	✅
图像	图像分类	pnasnet	✅	✅
图像	点云模型	pointnet	✅	✅
图像	点云模型	pointnet2	✅	✅
图像	图像分类	PoseEstNet	✅	✅
图像	图像分类	ProtoNet	✅	✅
图像	图像分类	proxylessnas	✅	✅
图像	语义分割	PSPNet	✅
图像	显著性检测	ras	✅	✅
图像	图像超分	RCAN	✅
图像	目标检测	rcnn	✅	✅
图像	图像超分	REDNet30	✅	✅
图像	目标检测	RefineDet	✅	✅
图像	语义分割	RefineNet	✅	✅
图像	重新识别	ReIDStrongBaseline	✅	✅
图像	图像分类	relationnet	✅	✅
图像	图像分类	renas	✅	✅	✅
图像	语义分割	repvgg	✅	✅
图像	语义分割	res2net_deeplabv3	✅		✅
图像	目标检测	res2net_faster_rcnn	✅	✅
图像	目标检测	res2net_yolov3	✅	✅
图像	图像分类	res2net101	✅	✅
图像	图像分类	res2net152	✅	✅
图像	图像分类	res2net50	✅	✅
图像	图像分类	ResNeSt50	✅	✅
图像	图像分类	resnet50_adv_pruning	✅	✅
图像	图像分类	resnet50_bam	✅	✅
图像	图像分类	ResNet50-Quadruplet	✅	✅
图像	图像分类	ResNet50-Triplet	✅	✅
图像	图像分类	ResnetV2_101	✅	✅
图像	图像分类	ResnetV2_152	✅	✅
图像	图像分类	ResnetV2_50	✅	✅
图像	图像分类	resnetv2_50_frn	✅	✅
图像	图像分类	resnext152_64x4d	✅	✅
图像	目标检测	retinaface_mobilenet0.25	✅	✅
图像	目标检测	retinanet_resnet101	✅	✅
图像	目标检测	retinanet_resnet152	✅	✅
图像	目标检测	rfcn		✅
图像	图像分类	SE_ResNeXt50	✅
图像	图像分类	senet_resnet101	✅	✅	✅
图像	图像分类	senet_resnet50	✅	✅	✅
图像	图像分类	se-res2net50	✅	✅
图像	图像分类	S-GhostNet	✅
图像	姿态估计	simple_baselines	✅	✅
图像	图像生成	SinGAN	✅
图像	图像分类	single_path_nas	✅	✅
图像	图像分类	sknet	✅	✅	✅
图像	图像分类	snn_mlp		✅
图像	目标检测	Spnas	✅
图像	图像分类	SPPNet	✅	✅
图像	图像分类	squeezenet	✅	✅
图像	图像超分	sr_ea	✅
图像	图像超分	SRGAN	✅	✅
图像	图像分类	ssc_resnet50	✅	✅
图像	目标检测	ssd_ghostnet	✅	✅	✅
图像	目标检测	ssd_inception_v2		✅	✅
图像	目标检测	ssd_inceptionv2	✅
图像	目标检测	ssd_mobilenetV2	✅	✅	✅
图像	目标检测	ssd_mobilenetV2_FPNlite	✅	✅	✅
图像	目标检测	ssd_resnet_34		✅
图像	目标检测	ssd_resnet34	✅		✅
图像	目标检测	ssd_resnet50	✅
图像	姿态估计	StackedHourglass	✅
图像	图像生成	StarGAN	✅	✅
图像	图像生成	STGAN	✅	✅
图像	交通预测	stgcn	✅	✅
图像	图像分类	stpm	✅	✅
图像	图像分类	swin_transformer	✅	✅
图像	时间定位	tall	✅
图像	图像分类	TCN	✅	✅
图像	文本检测	textfusenet	✅
图像	交通预测	tgcn	✅	✅
图像	图像分类	tinynet		✅
图像	图像分类	TNT	✅	✅
图像	目标检测	u2net	✅	✅
图像	图像生成	U-GAT-IT	✅	✅
图像	语义分割	UNet3+	✅	✅
图像	重新识别	VehicleNet	✅
图像	图像分类	vgg19	✅	✅
图像	图像分类	ViG	✅	✅
图像	图像分类	vit_cifar	✅	✅
图像	语义分割	vnet	✅	✅
图像	图像分类	wave_mlp	✅	✅
图像	图像超分	wdsr	✅	✅
图像	图像生成	wgan	✅
图像	图像分类	wideresnet	✅	✅
图像	实例分割	Yolact++	✅
图像	目标检测	yolov3_tiny	✅	✅
图像	目标检测	yolox	✅
多模态	多模态	opt	✅	✅
多模态	多模态	TokenFusion	✅	✅
多模态	多模态	wukong	✅
推荐	点击率预测	autodis	✅	✅
推荐	点击率预测	DIEN	✅	✅
推荐	点击率预测	dlrm	✅	✅
推荐	点击率预测	EDCN	✅	✅
推荐	点击率预测	Fat-DeepFFM	✅	✅
推荐	点击率预测	mmoe	✅	✅
文本	自然语言理解	albert	✅	✅
文本	情绪分类	atae_lstm	✅	✅
文本	对话	dam	✅
文本	语言模型	gpt2	✅
文本	知识图嵌入	hake		✅
文本	自然语言理解	ktnet	✅	✅
文本	命名实体识别	lstm_crf	✅
文本	自然语言理解	luke	✅	✅
文本	知识图嵌入	rotate	✅	✅
文本	情绪分类	senta	✅	✅
文本	机器翻译	seq2seq	✅
文本	词嵌入	skipgram	✅	✅
文本	机器翻译	speech_transformer	✅
文本	预训练	ternarybert	✅	✅
文本	自然语言理解	tprr	✅
文本	自然语言理解	transformer_xl	✅	✅
文本	知识图嵌入	transX		✅
视频	视频分类	AttentionCluster	✅	✅
视频	其他	DYR	✅
视频	视频分类	ecolite	✅
视频	目标追踪	fairmot	✅	✅
视频	视频分类	I3D	✅
视频	目标追踪	JDE		✅
视频	视频分割	OSVOS		✅
视频	视频分类	r2plus1d	✅	✅
视频	视频超分	rbpn	✅
视频	视频分类	resnet3d	✅
视频	目标追踪	SiamFC	✅
视频	目标追踪	siamRPN	✅	✅
视频	视频分类	slowfast	✅	✅
视频	视频分类	stnet	✅
视频	目标追踪	tracktor		✅
视频	目标追踪	tracktor++	✅	✅
视频	视频分类	trn		✅
视频	视频分类	tsm	✅	✅
视频	视频分类	tsn	✅	✅

Process finished with exit code 0

• 社区

公告

2021.9.15 models独立建仓

models仓库由原mindspore仓库的model_zoo目录独立分离而来，新仓库不继承历史commit记录，如果需要查找历史提2021.9.15之前的提交，请到mindspore仓库进行查询。

关联站点

这里是MindSpore框架提供的可以运行于包括Ascend/GPU/CPU/移动设备等多种设备的模型库。

相应的专属于Ascend平台的多框架模型可以参考昇腾ModelZoo以及对应的代码仓。

MindSpore相关的预训练模型可以在MindSpore hub或下载中心.

免责声明

MindSpore仅提供下载和预处理公共数据集的脚本。我们不拥有这些数据集，也不对它们的质量负责或维护。请确保您具有在数据集许可下使用该数据集的权限。在这些数据集上训练的模型仅用于非商业研究和教学目的。

致数据集拥有者：如果您不希望将数据集包含在MindSpore中，或者希望以任何方式对其进行更新，我们将根据要求删除或更新所有公共内容。请通过GitHub或Gitee与我们联系。非常感谢您对这个社区的理解和贡献。

MindSpore已获得Apache 2.0许可，请参见LICENSE文件。

许可证

Apache 2.0许可证

FAQ

想要获取更多关于MindSpore框架使用本身的FAQ问题的，可以参考官网FAQ

• Q: 直接使用models下的模型出现内存不足错误，例如Failed to alloc memory pool memory, 该怎么处理?

  A: 直接使用models下的模型出现内存不足的典型原因是由于运行模式（PYNATIVE_MODE)、运行环境配置、License控制（AI-TOKEN）的不同造成的：

  • PYNATIVE_MODE通常比GRAPH_MODE使用更多内存，尤其是在需要进行反向传播计算的训练图中，当前有2种方法可以尝试解决该问题。 方法1：你可以尝试使用一些更小的batch size； 方法2：添加context.set_context(mempool_block_size="XXGB")，其中，“XX”当前最大有效值可设置为“31”。 如果将方法1与方法2结合使用，效果会更好。
  • 运行环境由于NPU的核数、内存等配置不同也会产生类似问题。
  • License控制（AI-TOKEN）的不同档位会造成执行过程中内存开销不同，也可以尝试使用一些更小的batch size。

• Q: 一些网络运行中报错接口不存在，例如cannot import，该怎么处理?

  A: 优先检查一下获取网络脚本的分支，与所使用的MindSpore版本是否一致，部分新分支中的模型脚本会使用一些新版本MindSpore才支持的接口，从而在使用老版本MindSpore时会发生报错.

• Q: 一些模型描述中提到的RANK_TABLE_FILE文件，是什么？

  A: RANK_TABLE_FILE是一个Ascend环境上用于指定分布式集群信息的文件，更多信息可以参考生成工具hccl_toos和分布式并行训练教程

• Q: 在windows环境上要怎么运行网络脚本？

  A: 多数模型都是使用bash作为启动脚本，在Windows环境上无法直接使用bash命令，你可以考虑直接运行python命令而不是bash启动脚本 ，如果你确实想需要使用bash脚本，你可以考虑使用以下几种方法来运行模型：

  1. 使用虚拟环境，可以构造一个linux的虚拟机或docker容器，然后在虚拟环境中运行脚本
  2. 使用WSL，可以开启Windows的linux子系统来在Windows系统中运行linux，然后再WSL中运行脚本。
  3. 使用Windows Bash，需要获取一个可以直接在Windows上运行bash的环境，常见的选择是cygwin或git bash
  4. 跳过bash脚本，直接调用python程序。

• Q: 网络在310推理时出现编译失败，报错信息指向gflags，例如undefined reference to 'google::FlagRegisterer::FlagRegisterer'，该怎么处理?

  A: 优先检查一下环境GCC版本和gflags版本是否匹配，可以参考官方链接安装对应的GCC版本，gflags安装gflags。你需要保证所使用的组件之间是ABI兼容的，更多信息可以参考_GLIBCXX_USE_CXX11_ABI

• Q: 在Mac系统上加载mindrecord格式的数据集出错,例如Invalid file, failed to open files for reading mindrecord files.，该怎么处理?

  A: 优先使用ulimit -a检查系统限制，如果file descriptors数量为256（默认值），需要使用ulimit -n 1024将其设置为1024（或者更大的值）。之后再检查文件是否损坏或者被修改。

• Q: 我在多台服务器构成的大集群上进行训练，但是得到的精度比预期要低，该怎么办？

  A: 当前模型库中的大部分模型只在单机内进行过验证，最大使用8卡进行训练。由于MindSpore训练时指定的batch_size是单卡的，所以当单机8卡升级到多机时，会导致全局的global_batch_size变大，这就导致需要针对当前多机场景的global_batch_size进行重新调参优化。