MindSpore1.2.0-rc1版本体验——手写体识别新旧版本对比

转载地址：https://bbs.huaweicloud.com/forum/thread-118013-1-1.html

作者：franco52576

版本号截图

硬件平台与操作系统：

Windows8.1 -X64

Intel i5-5200 CPU

RAM：16G

体验内容学习笔记

看了Mindspore 1.2.0的最新版本，发现有了一键模型迁移，简直太有用了。

赶快看一下教程如何迁移训练好的pytorch模型。

首先需要使用第三方框架脚本MindConverter。

MindConverter是一款用于将PyTorch（ONNX）、TensorFlow（PB）模型转换到MindSpore模型定义脚本以及权重文件的工具。结合转换报告的信息，用户只需对转换后的脚本进行微小的改动，即可实现快速迁移。此工具为MindInsight的子模块，安装MindInsight后，即可使用MindConverter。

所以如果想转换PyTorch模型，最好先转成ONNX模型再进行迁移。

MindConverter提供命令行（Command-line interface, CLI）的使用方式，命令如下。

usage: mindconverter [-h] [--version] [--in_file IN_FILE]

                     [--model_file MODEL_FILE] [--shape SHAPE [SHAPE ...]]

                     [--input_nodes INPUT_NODES [INPUT_NODES ...]]

                     [--output_nodes OUTPUT_NODES [OUTPUT_NODES ...]]

                     [--output OUTPUT] [--report REPORT]

optional arguments:

  -h, --help            show this help message and exit

  --version             show program version number and exit

  --in_file IN_FILE     Specify path for script file to use AST schema to do

                        script conversation.

  --model_file MODEL_FILE

                        Tensorflow(.pb) or ONNX(.onnx) model file path is

                        expected to do script generation based on graph

                        schema. When `--in_file` and `--model_file` are both

                        provided, use AST schema as default.

  --shape SHAPE [SHAPE ...]

                        Optional, expected input tensor shape of

                        `--model_file`. It is required when use graph based

                        schema. Both order and number should be consistent

                        with `--input_nodes`. Usage: --shape 1,512 1,512

  --input_nodes INPUT_NODES [INPUT_NODES ...]

                        Optional, input node(s) name of `--model_file`. It is

                        required when use graph based schema. Both order and

                        number should be consistent with `--shape`. Usage:

                        --input_nodes input_1:0 input_2:0

  --output_nodes OUTPUT_NODES [OUTPUT_NODES ...]

                        Optional, output node(s) name of `--model_file`. It is

                        required when use graph based schema. Usage:

                        --output_nodes output_1:0 output_2:0

  --output OUTPUT       Optional, specify path for converted script file

                        directory. Default output directory is `output` folder

                        in the current working directory.

  --report REPORT       Optional, specify report directory. Default is

                        converted script directory.

对于TensorFlow模型脚本迁移 同样使用指定--model_file、--shape、--input_nodes、--output_nodes进行脚本迁移。看起来十分方便

顺便提示一下

新特性介绍 MindSpore开源周年狂欢，量子机器学习与深度分子模拟等巨量新特性来袭，发布新开源TinyMS工具包！中

三、易用性  教程超链接有点问题哦

##################4.13增#######################

本来是打算试验一下MindConverte 来转换Pytorch 模型的，后来安装的时候发现不支持CPU，于是只好放弃

于是只能通过经典的手写体识别来体验一下新版本了。

看看速度上和精度上是不是有明显差别。

先输出一下数据集，顺便看看最新版本是不是升级成功了，嗯挺好！

接下来看一下loss曲线和精度的结果。

先来对比一下loss的结果：上图为1.1 下图为1.2

可以看到除了部分波动外，其余 还是差不多的。

那再来看看精度的对比结果。同样上图为1.1，下图为1.2

可以看到精度提升的速度有了明显的变换，

不知道这是机器之间的差异，还是1.2里对底层的处理方式有了一些改动呢？欢迎大家讨论。

同时也期待在后面的使用和测试中找到这个问题的答案！

个人邮箱号：997385374@qq.com