使用MindSpore加载和验证模型

针对仅推理场景，把参数直接加载到网络中，以便后续的推理验证。

1. 加载模型

   from mindspore.train.serialization import load_checkpoint, load_param_into_net

   # 加载已经保存的用于测试的模型

   param_dict = load_checkpoint("checkpoint_lenet-1_1875.ckpt")

   # 加载参数到网络中

   load_param_into_net(net, param_dict)

2. 验证模型

   我们使用生成的模型进行单个图片数据的分类预测，具体步骤如下：

   # 定义分类类别

   classes = [

       "Zero",

       "One",

       "Two",

       "Three",

       "Four",

       "Fives",

       "Six",

       "Seven",

       "Eight",

       "Nine",

   ]

   # image为测试图片，label为测试图片的实际分类

   image, label = test_data[0][0], test_data[0][1]

   # 使用函数model.predict预测image对应分类

   pred = model.predict(image)

   predicted, actual = classes[pred[0].argmax(0)], classes[label]

   # 输出预测分类与实际分类

   print(f'Predicted: "{predicted}", Actual: "{actual}"')

3. 运行结果示例如下：

   Predicted: "Eight", Actual: "Eight"