【人工智能】Mindspore框架中保存加载模型

最新推荐文章于 2025-04-12 18:08:06 发布

原创

最新推荐文章于 2025-04-12 18:08:06 发布 · 9.3k 阅读

42 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

本文详细介绍了MindSpore框架中如何保存和加载模型，以及MindIR的使用，它作为统一模型文件支持端边云部署。通过MindIR，开发者可以实现模型在不同硬件平台上的推理，如在Ascend 310 AI处理器上的部署。

前言

MindSpore着重提升易用性并降低AI开发者的开发门槛，MindSpore原生适应每个场景包括端、边缘和云，并能够在按需协同的基础上，通过实现AI算法即代码，使开发态变得更加友好，显著减少模型开发时间，降低模型开发门槛。通过MindSpore自身的技术创新及MindSpore与华为昇腾AI处理器的协同优化，实现了运行态的高效，大大提高了计算性能；MindSpore也支持GPU、CPU等其它处理器。

一、准备工作

我们需要在使用前进行模块调用的操作，这也是前期必须要操作的一个步骤。代码如下：

import numpy as np
import mindspore
from mindspore import nn
from mindspore import Tensor

def network():
    model = nn.SequentialCell(
                nn.Flatten(),
                nn.Dense(28*28, 512),
                nn.ReLU(),
                nn.Dense(512, 512),
                nn.ReLU(),
                nn.Dense(512, 10))
    return model