手机和pc网站,wordpress 精彩,学校的网站怎么做的,友点企业网站模板下载摘要#xff1a;
昇思MindSpore支持checkpoint和MindIR两种形式的模型保存和加载。 保存和加载模型#xff0c;便于微调fine-tune和后续的模型推理与部署。
一、环境准备
安装minspore模块
!pip uninstall mindspore -y
!pip install -i https://pypi.mirrors.ustc.edu.c…摘要
昇思MindSpore支持checkpoint和MindIR两种形式的模型保存和加载。 保存和加载模型便于微调fine-tune和后续的模型推理与部署。
一、环境准备
安装minspore模块
!pip uninstall mindspore -y
!pip install -i https://pypi.mirrors.ustc.edu.cn/simple mindspore2.3.0rc1
导入numpy、minspore、nn、Tensor等相关模块i
import numpy as np
import mindspore
from mindspore import nn
from mindspore import Tensor
准备神经网络
def network():model nn.SequentialCell(nn.Flatten(),nn.Dense(28*28, 512),nn.ReLU(),nn.Dense(512, 512),nn.ReLU(),nn.Dense(512, 10))return model
二、保存和加载模型权重
save_checkpoint接口保存模型。
参数为神经网络和保存路径
model network()
mindspore.save_checkpoint(model, model.ckpt)
加载模型权重
创建模型实例
加载模型load_checkpoint
加载参数load_param_into_net。
model network()
param_dict mindspore.load_checkpoint(model.ckpt)
param_not_load, _ mindspore.load_param_into_net(model, param_dict)
print(param_not_load)
输出
[]
param_not_load是未被加载的参数列表为空时代表所有参数均加载成功。
三、保存和加载MindIR
IRIntermediate Representation中间表示
MindSpore定义了云侧训练和端侧推理统一的IR模型格式。
export接口直接将模型保存为MindIR同时保存了Checkpoint和模型结构。
参数为神经网络、存储张量、保存路径和文件格式。
model network()
inputs Tensor(np.ones([1, 1, 28, 28]).astype(np.float32))
mindspore.export(model, inputs, file_namemodel, file_formatMINDIR) load接口加载MindIR模型
nn.GraphCell图模式推理
mindspore.set_context(modemindspore.GRAPH_MODE)
graph mindspore.load(model.mindir)
model nn.GraphCell(graph)
outputs model(inputs)
print(outputs.shape)
输出
(1, 10)
