MindSpore计算框架提供了一个官方版本的预训练模型存储库,或者叫做官方版本的预训练模型中心库,那就是 MindSpore / hub 。

首先我们需要明确概念:

第一个就是 mindspore_hub 是一个Python库,或者说是一个Python包(package),

我们需要在Python中调用mindspore_hub库中的函数,来下载官方发布的预训练模型。

官方软件地址(mindspore_hub库地址):

https://gitee.com/mindspore/hub

mindspore_hub 库的安装并不依赖计算框架MindSpore, 我们完全可以把mindspore_hub 单独看做是一个下载工具,只不过mindspore_hub是专门给计算框架MindSpore下载预训练模型的。

====================================================

MindSpore_Hub  的安装

其安装方式有多种,不过这里还是建议进行源码安装,官方给出了具体步骤:

  1. 从Gitee下载源码。

    git clone https://gitee.com/mindspore/hub.git
  2. 编译安装MindSpore Hub。

    cd hub
    python setup.py install

安装截图:

特别需要注意的一个问题是,MindSpore_Hub 的安装是不依赖MindSpore的,也就是说没有安装MindSpore的环境下也是可以安装MindSpore_Hub 的,

但是  MindSpore_Hub  的使用是需要依赖 MindSpore 的,换句话说在没有MindSpore的环境下成功安装MindSpore_Hub 后也是无法使用的,

所以要使用  MindSpore_Hub  我们还是需要下载安装MindSpore 的。

===================================================================

验证  MindSpore_Hub  的安装是否成功:

正如前面所说我们如果使用MindSpore_Hub 的话需要安装MindSpore, 这里我们假设已经成功安装了MindSpore 。

验证代码:

Python 中执行:

import mindspore_hub as mshub
model = mshub.load("mindspore/ascend/0.7/googlenet_v1_cifar10", num_classes=10)

运行结果:

WARNING: 'ControlDepend' is deprecated from version 1.1 and will be removed in a future version, use 'Depend' instead.
[WARNING] ME(3634:139972916449408,MainProcess):2021-07-11-14:05:31.331.520 [mindspore/ops/operations/array_ops.py:2302] WARN_DEPRECATED: The usage of Pack is deprecated. Please use Stack.
Downloading data from url https://gitee.com/mindspore/hub/raw/master/mshub_res/assets/mindspore/ascend/0.7/googlenet_v1_cifar10.md

Download finished!
File size = 0.00 Mb
Checking /data/devil/.mscache/mindspore/ascend/0.7/googlenet_v1_cifar10.md...Passed!
remote: Enumerating objects: 38480, done.
remote: Counting objects: 100% (38480/38480), done.
remote: Compressing objects: 100% (1733/1733), done.
remote: Total 388882 (delta 37341), reused 36990 (delta 36742), pack-reused 350402
Receiving objects: 100% (388882/388882), 472.14 MiB | 1.92 MiB/s, done.
Resolving deltas: 100% (316561/316561), done.
From https://gitee.com/mindspore/mindspore
 * [new branch]      master     -> origin/master
 * [new branch]      r0.1       -> origin/r0.1
 * [new branch]      r0.2       -> origin/r0.2
 * [new branch]      r0.3       -> origin/r0.3
 * [new branch]      r0.5       -> origin/r0.5
 * [new branch]      r0.6       -> origin/r0.6
 * [new branch]      r0.7       -> origin/r0.7
 * [new branch]      r1.0       -> origin/r1.0
 * [new branch]      r1.1       -> origin/r1.1
 * [new branch]      r1.2       -> origin/r1.2
 * [new branch]      r1.3       -> origin/r1.3
 * [new tag]               v0.1.0-alpha -> v0.1.0-alpha
 * [new tag]               v0.2.0-alpha -> v0.2.0-alpha
 * [new tag]               v0.3.0-alpha -> v0.3.0-alpha
 * [new tag]               v0.3.1-alpha -> v0.3.1-alpha
 * [new tag]               v0.5.0-beta  -> v0.5.0-beta
 * [new tag]               v0.6.0-beta  -> v0.6.0-beta
 * [new tag]               v0.7.0-beta  -> v0.7.0-beta
 * [new tag]               v1.0.0       -> v1.0.0
 * [new tag]               v1.0.1       -> v1.0.1
 * [new tag]               v1.1.0       -> v1.1.0
 * [new tag]               v1.1.1       -> v1.1.1
 * [new tag]               v1.2.0       -> v1.2.0
 * [new tag]               v1.2.0-rc1   -> v1.2.0-rc1
 * [new tag]               v1.2.1       -> v1.2.1
From https://gitee.com/mindspore/mindspore
 * branch                  master     -> FETCH_HEAD
Downloading data from url https://gitee.com/mindspore/hub/raw/master/mshub_res/assets/mindspore/ascend/0.7/googlenet_v1_cifar10.md

Download finished!
File size = 0.00 Mb
Checking /data/devil/.mscache/mindspore/ascend/0.7/googlenet_v1_cifar10.md...Passed!
File already exists!

进程已结束,退出代码为 0

MindSpore 框架的官方预训练模型的加载 —— MindSpore / hub 的安装的更多相关文章

  1. PyTorch-网络的创建,预训练模型的加载

    本文是PyTorch使用过程中的的一些总结,有以下内容: 构建网络模型的方法 网络层的遍历 各层参数的遍历 模型的保存与加载 从预训练模型为网络参数赋值 主要涉及到以下函数的使用 add_module ...

  2. express框架路由配置及congtroller自动加载

    express框架在node官方推荐的一个框架,关于如何入门的文章,已经很多了,我就不在累赘了,本文的核心是如何修改文件使得更接近一个MVC的框架 express原生是通过require的方式实现了模 ...

  3. Android批量图片加载经典系列——afinal框架实现图片的异步缓存加载

    一.问题描述 在之前的系列文章中,我们使用了Volley和Xutil框架实现图片的缓存加载(查看系列文章:http://www.cnblogs.com/jerehedu/p/4607599.html# ...

  4. [Pytorch框架] 2.1.4 数据的加载和预处理

    文章目录 PyTorch 基础 :数据的加载和预处理 Dataset Dataloader torchvision 包 torchvision.datasets torchvision.models ...

  5. Volley框架之网络请求和图片加载

    Volley是 Google 推出的 Android 异步网络请求框架和图片加载框架. Volley的特性 (1).封装了的异步的请求API.Volley 中大多是基于接口的设计,可配置性强.(2). ...

  6. 一步一步重写 CodeIgniter 框架 (5) —— 实现Controller,并加载Model

    CodeIgniter 框架采用MVC模式,而MVC模式中起纽带作用的就是C(控制器),在控制器的中通过加载模型获得数据,将数据传到视图中进行展示.本课将实现在控制器中加载模型. 1. 控制器的实现 ...

  7. 关于使用scrapy框架编写爬虫以及Ajax动态加载问题、反爬问题解决方案

    Python爬虫总结 总的来说,Python爬虫所做的事情分为两个部分,1:将网页的内容全部抓取下来,2:对抓取到的内容和进行解析,得到我们需要的信息. 目前公认比较好用的爬虫框架为Scrapy,而且 ...

  8. hibernate框架学习之数据抓取(加载)策略

    Hibernate获取数据方式 lHibernate提供了多种方式获取数据 •load方法获取数据 •get方法获取数据 •Query/ Criteria对象获取数据 lHibernate获取的数据分 ...

  9. 使用Volley框架中的ImageLoader来异步的加载图片

    Volley框架在请求网络图片方面也做了很多工作,提供了好几种方法.本文介绍使用ImageLoader来进行网络图片的加载.ImageLoader的内部使用ImageRequest来实现,它的构造器可 ...

  10. SSH框架项目配置和启动的加载顺序及请求的执行顺序

    1:======配置和启动====== (1)配置web.xml 配置<context-param>,其中内容为Spring的配置文件applicationContext.xml.注意&l ...

随机推荐

  1. idea中vue的启动方式

    1.选取 2.添加 3.配置 4.启动 启动前先 在终端  执行   npm  install  命令  再启动

  2. 请写出常用的linux指令

    a.cd /home 进入 '/ home' 目录' b.cd .. 返回上一级目录 c.cd ../.. 返回上两级目录 d.mkdir dir1 创建一个叫做 'dir1' 的目录' e.mkdi ...

  3. insert into 表名 set

    insert into 表名 set CREATE TABLE `tbl_str` ( `id` INT DEFAULT NULL, `Str` VARCHAR(30) DEFAULT NULL ) ...

  4. python rabbitmq官方文档demo

    1.生产者 #!/usr/bin/env python import pika import json # https://www.rabbitmq.com/tutorials/tutorial-on ...

  5. Filter过滤器进行统一参数处理demo

    Filter过滤器进行统一参数处理demo import org.slf4j.Logger; import org.slf4j.LoggerFactory; import javax.servlet. ...

  6. 算法金 | 一个强大的算法模型:t-SNE !!

    大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 t-SNE(t-Distributed Stochastic Neighbor Emb ...

  7. Vite-Wechat网页聊天室|vite5.x+vue3+pinia+element-plus仿微信客户端

    基于Vue3+Pinia+ElementPlus仿微信网页聊天模板Vite5-Vue3-Wechat. vite-wechat使用最新前端技术vite5+vue3+vue-router@4+pinia ...

  8. 英特尔 Gaudi 加速辅助生成

    随着模型规模的增长,生成式人工智能的实现需要大量的推理资源.这不仅增加了每次生成的成本,而且还增加了用于满足此类请求的功耗.因此,文本生成的推理优化对于降低延迟.基础设施成本以及功耗都至关重要,其可以 ...

  9. python基础-入门必备知识

    1 标识符 标识符是编程时使用的名字,用于给变量.函数.语句块等命名,Python 中标识符由字母.数字.下划线组成,不能以数字开头,区分大小写. 以下划线开头的标识符有特殊含义,单下划线开头的标识符 ...

  10. VS图片