【开源实习】香橙派github仓中的在线推理案例03-ViT基于PyNative模式改写成以mint接口实现

[Bearisbug]

任务编号：ICJ93I
任务链接：【开源实习】香橙派github仓中的在线推理案例03-ViT基于PyNative模式改写成以mint接口实现
环境：Python 3.9 + MindSpore 2.6.0 + CANN 8.1.RC1 + OrangePi AiPro 8G 8T (ubuntu-22.04)
推理结果：

[cui0523]

环境变量设置这部分可以参考其他已经合入的案例https://github.com/JoeLiao0/orange-pi-mindspore/blob/735271b50e52a680df393b490e4677e8300ee599/Online/inference/10-DCGAN/mindspore_dcgan.ipynb，不必要的环境变量尽量都删除

[cui0523]

参考案例https://github.com/JoeLiao0/orange-pi-mindspore/blob/735271b50e52a680df393b490e4677e8300ee599/Online/inference/10-DCGAN/mindspore_dcgan.ipynb，添加“环境准备”部分，写明版本信息

[cui0523]

这部分可以删除

[cui0523]

部分方法没有修改成mint接口，包括但不限于nn.Dense，nn.Conv2d, nn.Dropout等，需要再排查一遍以确保全部可以替换的均替换成mint接口实现。

[cui0523]

目录orange-pi-mindspore，orange-pi-mindspore/Online, orange-pi-mindspore/Online/inference下的readme中均需修改案例版本信息**

[cui0523]

from mindspore import mint as F 不要写成这样，写成from mindspore import mint 即可。后续修改的接口直接用mint.xxx表示

[Bearisbug]

部分方法没有修改成mint接口，包括但不限于nn.Dense，nn.Conv2d, nn.Dropout等，需要再排查一遍以确保全部可以替换的均替换成mint接口实现。

已经尝试过替换，具体报错如下：

具体报错与复现条件

A. mint.nn.Conv2d / mint.nn.functional.conv2d

• ​触发场景​：PatchEmbedding 中将 nn.Conv2d 改为 mint.nn.Conv2d（或使用函数式 mint.nn.functional.conv2d）。

• ​报错原文​：

  RuntimeError: aclnnConvolutionGetWorkspaceSize call failed, please check!
  EZ1001: support for Ascend310B is not implemented
  mindspore/ops/kernel/ascend/pyboost/customize/convolution.cc:72 operator()
  

  这说明 ​PyBoost/ACLLN 的卷积内核在 310B 上未实现​（当前 mint 路径调用），与官方“mint 为实验接口、后端支持不全”的说明一致。mint.nn.Conv2d 在 2.6.0-rc1 文档中有列出，但并未保证所有 Ascend SoC（特指 310B）全覆盖。

B. mint.nn.Linear（或 F.dense/addmm 路径）

• ​触发场景​：将 nn.Dense 改为 mint.nn.Linear 或用 F.dense/addmm 实现线性层。

• ​报错原文​：

  RuntimeError: aclnnAddmmGetWorkspaceSize call failed, please check!
  EZ9999: Cannot find bin of op MatMulV2, integral key ... float16/FRACTAL_NZ ... / ND ...
  mindspore/ops/kernel/ascend/pyboost/customize/addmm.cc:51 operator()
  

  ​分析​：mint 的 Dense 路径会走 Addmm/MatMulV2 的 ACLNN 内核，310B 上经常出现 FRACTAL_NZ/ND 布局不匹配 导致“找不到 kernel bin”。这同样属于 ​mint 在 Ascend-310B 上的内核覆盖不足​。官方对 mint 的定位也是“实验性”“后端逐步完善”。

C. mint.nn.Dropout / mint.nn.functional.dropout

• ​触发场景​：把 nn.Dropout 改为 mint.nn.Dropout 或 mint.nn.functional.dropout。
• ​现象​：函数式 mint.nn.functional.dropout 文档在 2.6.0 提供，但在 310B 上与 mint.Linear/Conv2d 组合使用时，会联动触发上面 A/B 的编译路径（仍走 PyBoost/ACLLN），整体编译失败后 predict 直接中断。

[cui0523]

另外开一个notebook分别单独执行官网中的接口mint.nn.Conv2d，mint.nn.Linear， mint.nn.Dropout，查看是否能够执行通过；对比案例中mint.nn.Dropout与 mint.Linear/Conv2d 组合使用时的结果。如果接口单独可以执行通过，联合使用无法通过时，在mindspore的gitee代码仓提issue，提供issue链接即可

[Bearisbug]

另外开一个notebook分别单独执行官网中的接口mint.nn.Conv2d，mint.nn.Linear， mint.nn.Dropout，查看是否能够执行通过；对比案例中mint.nn.Dropout与 mint.Linear/Conv2d 组合使用时的结果。如果接口单独可以执行通过，联合使用无法通过时，在mindspore的gitee代码仓提issue，提供issue链接即可

Issue 链接： https://gitee.com/mindspore/mindspore/issues/ID4TRP?from=project-issue

[cui0523]

目前pr中的代码执行不通过。除了修改mint接口外，源代码其他部分不要随便改动。