盘一盘从Hub加载模型的实践步骤

众所周知，Hub加载模型向应用开发者提供了简单易用的模型加载和微调APIs，开发者们可以基于预训练模型进行推理或者微调，并部署到自己的应用中，也可以将自己训练好的模型按照指定的步骤发布到MindSpore Hub中。

对于我个人来说，确实在使用前期MindSpore Hub有点难，但是真正使用之后就会发现越来越顺手，开发过程中十分方便。

Mindspore_hub.load API用于加载预训练模型，该模型可以使用代码行完成模型的加载。主要的模型加载流程是这样的：

首先，使用GoogleNet对CIFAR-10数据集进行分类，代码长这样：

import mindspore_hub as mshub

import mindspore

from mindspore import context, Tensor, nn, Model

from mindspore import dtype as mstype

import mindspore.dataset.vision.py_transforms as py_transforms

context.set_context(mode=context.GRAPH_MODE,

                        device_target="Ascend",

                        device_id=0)

model = "mindspore/ascend/0.7/googlenet_v1_cifar10"

# Initialize the number of classes based on the pre-trained model.

network = mshub.load(model, num_classes=10)

network.set_train(False)

# ...

同时，模型也可以用于迁移学习，通过mindspore_hub.load完成模型加载后，我们可以添加一个额外的参数元素，并且只加载神经网络的功能牵引部分，以便我们可以轻松地添加新的层进行迁移学习。如果模型开发人员向模型设计中添加其他参数，可以在模型的详情页中找到这个功能。include_top取值为True或者False，表示顶级网络是否应保持完全连接。

下面我们以MobileNetV2如何加载一个基于OpenImage的预训练模型，并在特定的子任务数据集上进行迁移学习（重训练）。主要的步骤如下：

使用url进行MindSpore Hub模型的加载，代码长这样：

import os

import mindspore_hub as mshub

import mindspore

from mindspore import context,