【MindSpore第五期集训营】第一节课MindIR作业

• MindIR概念介绍

        MindIR的全称为MindSpore IR，是MindSpore的一种基于图表示的函数式IR，定义了可扩展的图结构以及算子的IR表示，消除了不同后端的模型差异，一般用于跨硬件平台执行推理任务。（来自课程PPT）

• 作业1

   1. 任务

        导出LeNet网络的MindIR格式模型。

   2. 过程

        根据官网https://www.mindspore.cn 中的安装教程在CPU环境的Windows10系统上安装MindSpore。

        根据https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/quick_start/quick_start.html  中的教程“实现一个图片分类应用”，使用LeNet模型对MNIST数据集进行分类，得到Checkpoint格式模型checkpoint_lenet-1_1875.ckpt。

        根据https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/use/save_model.html#mindir 中的“导出MindIR格式文件”内容，将所得的checkpoint_lenet-1_1875.ckpt模型文件转成MindIR格式，代码如下所示：

import numpy as np
import mindspore.nn as nn
from mindspore.common.initializer import Normal
from mindspore import Tensor, export, load_checkpoint, load_param_into_net


class LeNet5(nn.Cell):
    """Lenet network structure."""

    # define the operator required
    def __init__(self, num_class=10, num_channel=1):
        super(LeNet5, self).__init__()
        self.conv1 = nn.Conv2d(num_channel, 6, 5, pad_mode='valid')
        self.conv2 = nn.Conv2d(6, 16, 5, pad_mode='valid')
        self.fc1 = nn.Dense(16 * 5 * 5, 120, weight_init=Normal(0.02))
        self.fc2 = nn.Dense(120, 84, weight_init=Normal(0.02))
        self.fc3 = nn.Dense(84, num_class, weight_init=Normal(0.02))
        self.relu = nn.ReLU()
        self.max_pool2d = nn.MaxPool2d(kernel_size=2, stride=2)
        self.flatten = nn.Flatten()

    # use the preceding operators to construct networks
    def construct(self, x):
        x = self.max_pool2d(self.relu(self.conv1(x)))
        x = self.max_pool2d(self.relu(self.conv2(x)))
        x = self.flatten(x)
        x = self.relu(self.fc1(x))
        x = self.relu(self.fc2(x))
        x = self.fc3(x)
        return x


lenet_mnist_model = LeNet5()
# load the parameter into net
load_checkpoint("checkpoint_lenet-1_1875.ckpt", net=lenet_mnist_model)
input = np.random.uniform(0.0, 1.0, size=[32, 1, 32, 32]).astype(np.float32)
export(lenet_mnist_model, Tensor(input), file_name='lenet_mnist_MindIR_model-1_1875', file_format='MINDIR')

• 作业2

   1. 任务

        训练一个ResNet50网络。使用训练好的checkpoint文件，导出MindIR格式模型。

   2. 过程

        继续使用https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/quick_start/quick_start.html 中的代码模板，其中定义模型结构的代码需要改成ResNet50网络模型（可从https://gitee.com/mindspore/mindspore/blob/master/model_zoo/official/cv/resnet/src/resnet.py 中获取 ），使用的数据集改成hymenoptera数据集（下载地址为https://download.pytorch.org/tutorial/hymenoptera_data.zip ，需要删除训练集中ants文件夹下的一张.gif格式的图片）。训练修改后的程序得到Checkpoint格式模型。

        同样根据https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/use/save_model.html#mindir 中的“导出MindIR格式文件”内容，将所得的Checkpoint格式模型文件转成MindIR格式，代码如下所示：

import numpy as np
from mindspore import Tensor, export, load_checkpoint, load_param_into_net
import resnet_mindspore_model as resnet_model


resnet_hymenoptera_model = resnet_model.resnet50(2)
# load the parameter into net
load_checkpoint("checkpoint_resnet50-5_15.ckpt", net=resnet_hymenoptera_model)
input = np.random.uniform(0.0, 1.0, size=[16, 3, 224, 224]).astype(np.float32)  # 注意输入尺寸
export(resnet_hymenoptera_model, Tensor(input), file_name='resnet_hymenoptera_MindIR_model-5_15', file_format='MINDIR')