【MindSpore易点通】通过Print方法保存输出数据

背景信息

当开发人员遇到数据量较大的张量或字符串输出时，默认情况下，程序会将输出的数据打印到屏幕上，海量的数据无法用人眼直接识别有价值的数据，此时mindspore.ops.Print方法应运而生，该方法通过context接口中print_file_path参数将其保存在文件中。输出数据将保存在指定路径的文件中。之后可使用mindspore.parse_print()方法加载保存的数据。

一、保存print数据

1、示例代码

import numpy as np
import mindspore.ops as ops
from mindspore import Tensor, contextfrom mindspore.ops 
import operations as P
import mindspore.nn as nnimport mindspore

#保存数据
context.set_context(mode=context.GRAPH_MODE, print_file_path='./save_print_data', device_target="Ascend")

class PrintDemo(nn.Cell):
        def __init__(self):
            super(PrintDemo, self).__init__()
            self.conv1 = nn.Conv2d(in_channels=1, out_channels=6, kernel_size=4, stride=1 ,has_bias=False, weight_init='normal', pad_mode='valid')
            self.conv2 = nn.Conv2d(in_channels=6, out_channels=2, kernel_size=2, pad_mode="valid")
            self.conv3 = nn.Conv2d(in_channels=2, out_channels=6, kernel_size=2, pad_mode="valid")

            self.print = P.Print()
        
        #打印出每层计算输出结果
        def construct(self, input_data):
            x = self.conv1(input_data)
            self.print('self.conv1', x)
            x = self.conv2(x)
            self.print('self.conv2', x)
            x = self.conv3(x)
            self.print('self.conv3', x)
            return x

def test():
    input_data = Tensor(np.ones([1, 1, 32, 32]), mindspore.float32)
    net = PrintDemo()
    net(input_data)
    return net(input_data)

test()

2、代码解析：context设置

为context.set_context方法添加print_file_path参数来设置保存输出数据的路径：
 

mindspore.context.set_context(mode=context.GRAPH_MODE,device_target="Ascend"，print_file_path='./xxx_data')

二、解析print数据

1、示例代码

data = mindspore.parse_print('./xxx_data')
for i in range(0,len(data)):
    if isinstance(data[i], str):
        print(data[i])
        continue
    else:
        tmp = data[i].asnumpy()
        data[i] = tmp
print(data)

2、代码解析

mindspore.ops.Print方法所保存的数据为二进制文件，不便于开发人员使用，故需要进一步的文件解析。在mindspore中提供了该文件的解析方法如下所示：

data = mindspore.parse_print('./xxx_data')

此时该文件解析后的数据格式为：list['输入名称（str）', Tensor]，示例代码运行的结果如下所示：

由于输入将转变为Tensor数据类型输出，不便于开发人员进行数据计算操作，故对此数据类型转换为numpy数据类型：

data = mindspore.parse_print('./xxx.data')for i in range(0,len(data)):
    if isinstance(data[i], str):
        print(data[i])
        continue
    else:
        tmp = data[i].asnumpy()
        data[i] = tmp
print(data)