mindspore.export

查看源文件
mindspore.export(net, *inputs, file_name, file_format, **kwargs)[源代码]

将MindSpore网络模型导出为指定格式的文件。

说明

  • 当导出文件格式为AIR、ONNX时，单个Tensor的大小不能超过2GB。

  • 当 file_name 没有后缀时，系统会根据 file_format 自动添加后缀。

  • 现已支持将 mindspore.jit() 修饰的函数导出成MINDIR格式文件。

  • 当导出 mindspore.jit() 修饰的函数时，函数内不能包含有类属性参与的计算。

  • AIR格式已弃用，将被删除。请使用其他格式或使用MindSpore Lite进行离线推理。

参数：

  • net (Union[Cell, function]) - MindSpore网络结构。

  • inputs (Union[Tensor, Dataset, List, Tuple, Number, Bool]) - 网络的输入，如果网络有多个输入，需要一同传入。当传入的类型为 Dataset 时，将会把数据预处理行为同步保存起来。需要手动调整batch的大小，当前仅支持获取 Dataset 的 image 列。

  • file_name (str) - 导出模型的文件名称。

  • file_format (str) - MindSpore目前支持导出"AIR"，"ONNX"和"MINDIR"格式的模型。

    • AIR - Ascend Intermediate Representation。一种Ascend模型的中间表示格式。推荐的输出文件后缀是".air"。

    • ONNX - Open Neural Network eXchange。一种针对机器学习所设计的开放式的文件格式。推荐的输出文件后缀是".onnx"。

    • MINDIR - MindSpore Native Intermediate Representation for Anf。一种MindSpore模型的中间表示格式。推荐的输出文件后缀是".mindir"。MINDIR格式不支持带有字典属性的算子导出。

  • kwargs (dict) - 配置选项字典。

    • enc_key (byte) - 用于加密的字节类型密钥，有效长度为16、24或者32。

    • enc_mode (Union[str, function]) - 指定加密模式，当设置 enc_key 时启用。

      • 对于 'AIR'和 'ONNX'格式的模型，当前仅支持自定义加密导出。

      • 对于 'MINDIR'格式的模型，支持的加密选项有： 'AES-GCM'， 'AES-CBC'， 'SM4-CBC'和用户自定义加密算法。默认值： 'AES-GCM'。

      • 关于使用自定义加密导出的详情，请查看 教程。

    • dataset (Dataset) - 指定数据集的预处理方法，用于将数据集的预处理导入MindIR。

    • custom_func (function) - 用户自定义的导出策略的函数。该函数会在网络导出时，对模型使用该函数进行自定义处理。需要注意，当前仅支持对 format 为 MindIR 的文件使用 custom_func ，且自定义函数仅接受一个代表 MindIR 文件 Proto 对象的入参。当使用 custom_func 对模型进行修改时，需要保证修改后模型的正确性，否则可能导致模型加载失败或功能错误。默认值： None。

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> from mindspore import Tensor
>>>
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/master/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> input_tensor = Tensor(np.ones([1, 1, 32, 32]).astype(np.float32))
>>> ms.export(net, input_tensor, file_name='lenet', file_format='MINDIR')
>>>
>>> # Export model in MindIR format and modified the model info using custom_func
>>> # The custom_func only support one input representing the Proto object of the model
>>> # And custom_func does not support return value
>>> def _custom_func(mindir_model):
...     mindir_model.producer_name = "test11111"
...     mindir_model.producer_version = "11.0"
...     mindir_model.user_info["version"] = "11.0"
>>> ms.export(net, input_tensor, file_name="lenet", file_format='MINDIR', custom_func=_custom_func)
教程样例：