【MindSpore第五期集训营】第一节课MindIR作业

转载地址：https://bbs.huaweicloud.com/forum/thread-105791-1-1.html

作者：yexi

• MindIR概念介绍

        MindIR的全称为MindSpore IR，是MindSpore的一种基于图表示的函数式IR，定义了可扩展的图结构以及算子的IR表示，消除了不同后端的模型差异，一般用于跨硬件平台执行推理任务。（来自课程PPT）

• 作业1

   1. 任务

        导出LeNet网络的MindIR格式模型。

   2. 过程

        根据官网https://www.mindspore.cn 中的安装教程在CPU环境的Windows10系统上安装MindSpore。

        根据https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/quick_start/quick_start.html  中的教程“实现一个图片分类应用”，使用LeNet模型对MNIST数据集进行分类，得到Checkpoint格式模型checkpoint_lenet-1_1875.ckpt。

        根据https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/use/save_model.html#mindir 中的“导出MindIR格式文件”内容，将所得的checkpoint_lenet-1_1875.ckpt模型文件转成MindIR格式，代码如下所示：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

import numpy as np import mindspore.nn as nn from mindspore.common.initializer import Normal from mindspore import Tensor, export, load_checkpoint, load_param_into_net class LeNet5(nn.Cell):     """Lenet network structure."""     # define the operator required     def __init__(self, num_class=10, num_channel=1):         super(LeNet5, self).__init__()         self.conv1 = nn.Conv2d(num_channel, 6, 5, pad_mode='valid')         self.conv2 = nn.Conv2d(6, 16, 5, pad_mode='valid')         self.fc1 = nn.Dense(16 * 5 * 5, 120, weight_init=Normal(0.02))         self.fc2 = nn.Dense(120, 84, weight_init=Normal(0.02))         self.fc3 = nn.Dense(84, num_class, weight_init=Normal(0.02))         self.relu = nn.ReLU()         self.max_pool2d = nn.MaxPool2d(kernel_size=2, stride=2)         self.flatten = nn.Flatten()     # use the preceding operators to construct networks     def construct(self, x):         x = self.max_pool2d(self.relu(self.conv1(x)))         x = self.max_pool2d(self.relu(self.conv2(x)))         x = self.flatten(x)         x = self.relu(self.fc1(x))         x = self.relu(self.fc2(x))         x = self.fc3(x)         return x lenet_mnist_model = LeNet5() # load the parameter into net load_checkpoint("checkpoint_lenet-1_1875.ckpt", net=lenet_mnist_model) input = np.random.uniform(0.0, 1.0, size=[32, 1, 32, 32]).astype(np.float32) export(lenet_mnist_model, Tensor(input), file_name='lenet_mnist_MindIR_model-1_1875', file_format='MINDIR')

• 作业2

   1. 任务

        训练一个ResNet50网络。使用训练好的checkpoint文件，导出MindIR格式模型。

   2. 过程

        继续使用https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/quick_start/quick_start.html 中的代码模板，其中定义模型结构的代码需要改成ResNet50网络模型（可从https://gitee.com/mindspore/mindspore/blob/master/model_zoo/official/cv/resnet/src/resnet.py 中获取 ），使用的数据集改成hymenoptera数据集（下载地址为https://download.pytorch.org/tutorial/hymenoptera_data.zip ，需要删除训练集中ants文件夹下的一张.gif格式的图片）。训练修改后的程序得到Checkpoint格式模型。

        同样根据https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/use/save_model.html#mindir 中的“导出MindIR格式文件”内容，将所得的Checkpoint格式模型文件转成MindIR格式，代码如下所示：

1 2 3 4 5 6 7 8 9 10

import numpy as np from mindspore import Tensor, export, load_checkpoint, load_param_into_net import resnet_mindspore_model as resnet_model resnet_hymenoptera_model = resnet_model.resnet50(2) # load the parameter into net load_checkpoint("checkpoint_resnet50-5_15.ckpt", net=resnet_hymenoptera_model) input = np.random.uniform(0.0, 1.0, size=[16, 3, 224, 224]).astype(np.float32)  # 注意输入尺寸 export(resnet_hymenoptera_model, Tensor(input), file_name='resnet_hymenoptera_MindIR_model-5_15', file_format='MINDIR')