MindSpore后端运行类

MindSpore后端运行类
Q：如何在训练过程中监控loss在最低的时候并保存训练参数？
A：可以自定义一个Callback。参考ModelCheckpoint的写法，此外再增加判断loss的逻辑：
class EarlyStop(Callback):
def init(self):
self.loss = None
def step_end(self, run_context):
loss = ****(get current loss)
if (self.loss == None or loss < self.loss):
self.loss = loss
# do save ckpt
Q：mindspore/tests下怎样执行单个ut用例？
A：ut用例通常需要基于debug版本的MindSpore包，官网并没有提供。可以基于源码使用sh build.sh编译，然后通过pytest指令执行，debug模式编包不依赖后端。编译选项sh build.sh -t on，用例执行可以参考tests/runtest.sh脚本。
Q：使用nn.Conv2d时，怎样获取期望大小的feature map？
A：Conv2d shape推导方法可以参考这里，Conv2d的pad_mode改成same，或者可以根据Conv2d shape推导公式自行计算pad，想要使得shape不变，一般pad为(kernel_size-1)//2。
Q：MindSpore安装完成，执行训练时发现网络性能异常，权重初始化耗时过长，怎么办？
A：可能与环境中使用了