昇思学习25天打卡，Day8：保存与加载

在学习了如何调整超参数，并进行网络模型训练之后，在训练网络模型的过程中，实际上我们希望保存中间和最后的结果，用于微调(fine-tune)和后续的模型推理与部署，今天将学习如何保存与加载模型。

保存与加载模型权重

保存模型使用save_checkpoint 接口，传入网络和指定的保存路径:

要加载模型权重，需要先创建相同模型的实例，然后使用load_checkpoint和load_param_into_net方法加载参数。

– param_not_load是未被加载的参数列表，为空时代表所有参数均加载成功。
（加载参数后，目录下得到model.ckpt）

保存和加载MindIR

除Checkpoint外，MindSpore提供了云侧(训练）和端侧(推理)统一的中间表示(Intermediate Representation,lR)。可使用export 接口直接将模型保存为MindIR。

– MindlR同时保存了Checkpoint和模型结构，因此需要定义输入Tensor来获取输入shape。
已有的MindIR模型可以方便地通过load 接口加载，传入nn.Graphcell即可进行推理。
– nn.Graphcell 仅支持图模式。

(推理后目录下得到model.mindir)

训练完成打上标记和时间