使用MindSpore训练模型的检查模型结构

模型结构体现了MindSpore对代码的理解，检查模型结构重在检查MindSpore的理解和算法工程师的设计是否一致。

1. 通过检查输入模型的数据，可以结合脚本判断数据处理流水线和数据集是否存在问题。输入数据的常见问题有：

   数据缺失值过多；

   每个类别中的样本数目不均衡；

   数据中存在异常值；

   数据标签错误；

   训练样本不足；

   未对数据进行标准化，输入模型的数据不在正确的范围内；

   finetune和pretrain的数据处理方式不同；

   训练阶段和推理阶段的数据处理方式不同；

   数据处理参数不正确等。

2. MindInsight可以辅助用户对输入数据、数据处理流水线进行检查。大多数情况下，SummaryCollector会自动记录输入模型的数据（数据处理后的数据）和数据处理流水线参数。输入模型的数据会展示在“数据抽样”模块，数据处理流水线参数会展示在“数据图”模块和“数据溯源”模块。

3. 通过MindInsight的数据抽样模块，可以检查输入模型的（数据处理流水线处理后的）数据。若数据明显不符合预期（例如数据被裁剪的范围过大，数据旋转的角度过大等），可以判断输入数据出现了一定的问题。

4. 通过MindInsight的数据图和数据溯源模块，可以检查数据处理流水线的数据处理过程和具体参数取值，从而发现不合理的数据处理方法。