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 mindspore==2.3.0rc1

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

IR（Intermediate 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_name="model", file_format="MINDIR")

load接口加载MindIR模型

nn.GraphCell图模式推理

mindspore.set_context(mode=mindspore.GRAPH_MODE)
​
graph = mindspore.load("model.mindir")
model = nn.GraphCell(graph)
outputs = model(inputs)
print(outputs.shape)

输出：

(1, 10)