比较与tf.keras.Model的功能差异
tf.keras.Model
tf.keras.Model(*args, **kwargs)
更多内容详见tf.keras.Model。
mindspore.train.Model
mindspore.train.Model(network, loss_fn=None, optimizer=None, metrics=None, eval_network=None, eval_indexes=None, amp_level="O0", boost_level="O0", **kwargs)
更多内容详见mindspore.train.Model。
使用方式
框架提供的模型训练和推理的高阶API,实例化一个Model的常见场景可参考代码示例。
代码示例
TensorFlow:
实例化Model的两种方法:
创建一个前向传递,根据输入输出创建一个Model实例:
import tensorflow as tf
inputs = tf.keras.Input(shape=(3,))
x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)
model = tf.keras.Model(inputs=inputs, outputs=outputs)
继承Model类,在__init__中定义模型层,在call中明确执行逻辑。
import tensorflow as tf
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)
self.dense2 = tf.keras.layers.Dense(5, activation=tf.nn.softmax)
def call(self, inputs):
x = self.dense1(inputs)
return self.dense2(x)
model = MyModel()
使用compile方法进行模型配置:
model.compile(loss='mae', optimizer='adam')
MindSpore:
import mindspore as ms
from mindspore import nn
from mindspore.common.initializer import Normal
class LinearNet(nn.Cell):
def __init__(self):
super().__init__()
self.fc = nn.Dense(1, 1, Normal(0.02), Normal(0.02))
def construct(self, x):
return self.fc(x)
net = LinearNet()
crit = nn.MSELoss()
opt = nn.Momentum(net.trainable_params(), learning_rate=0.005, momentum=0.9)
model = ms.Model(network=net, loss_fn=crit, optimizer=opt, metrics={"mae"})