使用MindSpore将保存的模型导出

需要安装MindSpore工具包进行下面操作。MindSpore安装地址：https://www.mindspore.cn/install/

在使用MindSpore进行模型训练过程后，如果想继续在不同硬件平台上做推理，可通过网络和CheckPoint格式文件生成对应的MINDIR、AIR和ONNX格式文件。

MINDIR：MindSpore框架的一种基于图表示的函数式IR，其最核心的目的是服务于自动微分变换，目前可用于MindSpore Lite端侧推理。

AIR：全称Ascend Intermediate Representation，类似ONNX，是华为定义的针对机器学习所设计的开放式的文件格式，能更好地适配Ascend AI处理器。

ONNX：全称Open Neural Network Exchange，是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。

以下通过实例来介绍保存CheckPoint格式文件和导出MINDIR、AIR和ONNX格式文件的方法。

1. 导出MINDIR格式文件方法

   保存了CheckPoint文件后，如果想继续在MindSpore Lite端侧做推理，需要通过网络和CheckPoint生成对应的MINDIR格式模型文件。当前支持基于静态图，且不包含控制流语义的推理网络导出。导出该格式文件的代码样例如下：

   from mindspore.train.serialization import export

   import numpy as np

   resnet = ResNet50()

   # return a parameter dict for model

   param_dict = load_checkpoint("resnet50-2_32.ckpt")

   # load the parameter into net

   load_param_into_net(resnet, param_dict)

   input = np.random.uniform(0.0, 1.0, size=[32, 3, 224, 224]).astype(np.float32)

   export(resnet, Tensor(input), file_name='resnet50-2_32.mindir', file_format='MINDIR')

   建议使用.mindir作为MINDIR格式文件的后缀名。

   

2. 导出AIR格式文件方法

   如果想继续在昇腾AI处理器上做推理，需要通过网络和CheckPoint生成对应的AIR格式模型文件。导出该格式文件的代码样例如下：

   from mindspore.train.serialization import export

   import numpy as np

   resnet = ResNet50()

   # return a parameter dict for model

   param_dict = load_checkpoint("resnet50-2_32.ckpt")

   # load the parameter into net

   load_param_into_net(resnet, param_dict)

   input = np.random.uniform(0.0, 1.0, size=[32, 3, 224, 224]).astype(np.float32)

   export(resnet, Tensor(input), file_name='resnet50-2_32.air', file_format='AIR')

   使用export接口之前，需要先导入mindspore.train.serialization。

   input用来指定导出模型的输入shape以及数据类型。

   建议使用.air作为AIR格式文件的后缀名。

   

3. 导出ONNX格式文件方法

   如果想继续在昇腾AI处理器、GPU、CPU等多种硬件上做推理，需要通过网络和CheckPoint生成对应的ONNX格式模型文件。导出该格式文件的代码样例如下：

   from mindspore.train.serialization import export

   import numpy as np

   resnet = ResNet50()

   # return a parameter dict for model

   param_dict = load_checkpoint("resnet50-2_32.ckpt")

   # load the parameter into net

   load_param_into_net(resnet, param_dict)

   input = np.random.uniform(0.0, 1.0, size=[32, 3, 224, 224]).astype(np.float32)

   export(resnet, Tensor(input), file_name='resnet50-2_32.onnx', file_format='ONNX')

   建议使用.onnx作为ONNX格式文件的后缀名。