昇思25天学习打卡营第1天|快速入门

学习目标：

希望经过25天的学习，能初步掌握MindSpore框架训练交通行业垂直Mini小模型

作为智慧交通领域骨灰级产品和方案玩家，虽然没接触过编程，但为了拥抱AI新时代，不得不再次激活大脑N多年没运行的学习模块，开始研究这些“它认识我，我不认识它”的专业词汇了~
今天参加了昇思25天学习打卡营，华为很给力，提供了不少的算力资源，中午提交的申请，下午就给开放了权限。华为培训教程编写的非常精心，从整体框架，到基础知识到进阶，写的明明细细，学习代码引导，即使是我不懂编程的小白，在看完后，基本上也能对MindSpore运行逻辑能有个大概的理解。
第一天，我选择学习了基本介绍和快速入门两个章节，在基本介绍里面，通过全场景尝试学习框架，基本上对MindSpore的总体架构、组件、运行场景、执行流程能了解个清清楚楚；第二章节快速入门，让我这个从未接触过编程的人，利用MindSpore的API快速实操了一把简单的深度学习模型。了解了数据集、网络构建、模型训练以及保存和加载模型的全过程，虽然对这些代码还是看的云山雾绕，但相信，有华为教程的加持，25天后，应该可以从一个菜鸟提升为一个不算太菜的菜鸟~

步骤一： 安装环境和导入

步骤二：处理数据集

步骤三：网络构建

步骤四：模型训练

步骤五：保存和加载模型
模型训练完成后，需要将其参数进行保存。

# Save checkpoint
mindspore.save_checkpoint(model, "model.ckpt")
print("Saved Model to model.ckpt")

加载保存的权重分为两步：

重新实例化模型对象，构造模型。

# Instantiate a random initialized model
model = Network()
# Load checkpoint and load parameter to model
param_dict = mindspore.load_checkpoint("model.ckpt")
param_not_load, _ = mindspore.load_param_into_net(model, param_dict)
print(param_not_load)

加载模型参数，并将其加载至模型上。

model.set_train(False)
for data, label in test_dataset:
    pred = model(data)
    predicted = pred.argmax(1)
    print(f'Predicted: "{predicted[:10]}", Actual: "{label[:10]}"')
    break