定位调试两手抓，报错真的不可怕 | MindSpore报错调试宝典（二）：网络构建与训练类报错之context配置问题

上一期我们讲解了数据加载与处理类报错如何调试解决，今天给大家继续带来网络构建与训练类报错中的context配置问题，本期仍将以案例的形式展开，详细讲解mindspore.set_context算子的使用方法以及配置方法，希望大家在后续使用context算子过程中可以轻松解决相关的报错问题！同时也欢迎大家多多留言，给我们提提建议！废话不多说，请看下图！

图中引用 [1]：API文档

【昇思MindSpore报错解决地图】常见报错问题和解决方案： https://www.hiascend.com/forum/thread-0229108045633055169-1-1.html

往期内容： 昇思MindSpore报错调试宝典（一）：数据加载与处理类

文字内容：

小孢子：昇思MindSpore，你好呀！我在网络构建中进行模型训练的时候遇到了这样的报错，能麻烦您帮我瞅瞅是啥问题不？

MindSpore： 没问题！先让我看看你的代码内容和报错信息~

小孢子：代码内容是这样的：

from mindspore import context

context.set_context(device_target="GPU") # ③复制

报错信息：

RuntimeError: Unsupported device target GPU. This process only supports one of the ['CPU'].① Please check whether the GPU environment is installed and configured correctly②, and check whether current mindspore wheel package was built with "-e GPU". For details, please refer to "Device load error message".复制

MindSpore：首先分析你的报错内容，①说明目标设备device_target并不支持GPU，而是支持CPU，②需要检查是否安装了GPU环境。而代码③‘context.set_context(device_target="GPU")’表示设置的device_target为GPU。这类问题在进行demo调试或进行模型训练时很常见。

这样一来的话再给我看看你的环境设置呗~

小孢子：系统环境：

Hardware Environment(Ascend/GPU/CPU): CPU

Software Environment:

MindSpore version (source or binary): 2.0.0 & Earlier versions

Python version (e.g., Python 3.7.5): 3.7.6

OS platform and distribution (e.g., Linux Ubuntu 16.04): Ubuntu

GCC/Compiler version (if compiled from source):复制

MindSpore：那就没错啦！问题定位成功，硬件环境为CPU，说明支持CPU环境，但是代码设定目标设备为GPU，说明脚本设置的运行后端与脚本运行的硬件不匹配，就会出现这样的报错。改成device_target=CPU，那么问题就迎刃而解啦！

当然啦，这个案例仅仅只解决了系统配置中device_target的问题，那么可以拓展一下，通过昇思MindSpore官网查找API文档[1]发现：mindspore.set_context用于进行环境、调试及执行相关的配置，包含很多配置项，每一个选项都有其依赖的执行后端，如果设置有误可能会执行失败或影响程序的正常执行逻辑。

再举个例子：比如想要保存编译过程中的图文件，可以使用`save_graphs= True`选项进行配置，硬件平台CPU/GPU/Ascend都适用，详细使用方法可以参考上述我们提到的API文档[1]。

小孢子：那我就明白啦！遇到这类问题首先需要了解set_context中相关的配置选项，然后找到想要执行的操作并查看后端支持情况，之后再进行相关配置。

MindSpore：是的！你说的这类问题我们统一称之为context配置问题。属于网络构建与训练类报错中的一种，其他的报错还有语法错误、算子编译错误、算子执行错误以及资源不足这四类。

小孢子：明白啦！成年人不做选择，下期大佬给我具体讲讲麻烦语法错误吧！

MindSpore：随时欢迎！