mindspore.load_obf_params_into_net
- mindspore.load_obf_params_into_net(network, target_modules=None, obf_ratios=None, obf_config=None, data_parallel_num=1, **kwargs)[源代码]
根据用户配置的混淆策略,对模型结构进行修改,并将混淆态Checkpoint加载到模型中。
- 参数:
network (nn.Cell) - 待混淆的原始网络。
target_modules (list[str]) - 需要混淆的目标算子。第一个字符串表示目标算子在原网络中的路径,应该是
"A/B/C"
的形式。第二个字符串表示同一个路径下的多个目标算子名,它应该是"D|E|F"
的形式。例如,GPT2的 target_modules 可以是['backbone/blocks/attention', 'dense1|dense2|dense3']
。如果 target_modules 有第三个值,它的格式应该是"obfuscate_layers:all"
或"obfuscate_layers:int"
,这表示需要混淆重复层(如transformer层或resnet块)的层数。默认值:None
。obf_ratios (Tensor) - 混淆系数,由 mindspore.obfuscate_ckpt 接口生成。默认值:
None
。obf_config (dict) - 模型混淆策略的配置。默认值:
None
。data_parallel_num (int) - 模型并行训练的数据并行度。默认值:
1
。kwargs (dict) - 配置选项字典。
ignored_func_decorators (list[str]) - Python代码中函数装饰器的名字列表。
ignored_class_decorators (list[str]) - Python代码中类装饰器的名字列表。
- 返回:
混淆后模型(nn.Cell)。
- 异常:
TypeError - network 不是nn.Cell类型。
TypeError - obf_ratios 不是Tensor类型。
TypeError - target_modules 不是list类型。
TypeError - obf_config 不是dict类型。
TypeError - target_modules 中的元素不是str类型。
ValueError - obf_ratios 为空。
ValueError - target_modules 中的元素个数小于2。
ValueError - target_modules 的第一个字符串包含大小写字母、数字、
'_'
和'/'
以外的字符。ValueError - target_modules 的第二个字符串为空或包含大小写字母,数字,
'_'
和'/''
以外的字符。ValueError - target_modules 的第三个字符串不是
"obfuscate_layers:all"
或"obfuscate_layers:int"
的格式。TypeError - ignored_func_decorators 不是字符串列表,或 ignored_class_decorators 不是字符串列表。
样例:
>>> from mindspore import obfuscate_ckpt, save_checkpoint, load_checkpoint, Tensor >>> import mindspore.common.dtype as mstype >>> import numpy as np >>> # Refer to https://gitee.com/mindspore/docs/blob/master/docs/mindspore/code/lenet.py >>> net = LeNet5() >>> save_checkpoint(net, './test_net.ckpt') >>> target_modules = ['', 'fc1|fc2'] >>> # obfuscate ckpt files >>> obfuscate_ckpt(net, './', target_modules=target_modules, saved_path='./') >>> # load obf ckpt into network >>> new_net = LeNet5() >>> load_checkpoint('./test_net_obf.ckpt', new_net) >>> obf_net = load_obf_params_into_net(new_net, target_modules)