调用API启动模型

MindSpore SciAI为用户提供了高阶API接口AutoModel。借助AutoModel，用户可以通过一行代码完成模型的实例化。

用户可以通过AutoModel的接口进行模型参数更新，并启动训练或评估。

使用AutoModel获取模型

用户可以使用AutoModel.from_pretrained接口获取已支持的网络模型。

这里使用Conservatice Physics-Informed Neural Networks (CPINNs) 作为教学案例。CPINNs模型相关代码请参考链接。

更多关于该模型的信息，请参考论文。

from sciai.model import AutoModel

# 获取cpinns网络模型
model = AutoModel.from_pretrained("cpinns")

使用AutoModel训练、微调模型

用户可以使用AutoModel.train实现模型的训练，并且在执行训练之前，使用AutoModel.update_config调整训练参数，或是加载.ckpt文件实现模型微调。接口AutoModel.update_config所接受的可选参数依赖于模型类型，

from sciai.model import AutoModel

# 获取cpinns网络模型
model = AutoModel.from_pretrained("cpinns")
# （可选）加载参数ckpt文件，使用已有参数进行模型初始化
model.update_config(load_ckpt=True, load_ckpt_path="./checkpoints/your_file.ckpt", epochs=500)
# 使用默认参数训练网络，生成的图片、数据与日志将保存至用户的执行目录中
model.train()

使用AutoModel评估模型

用户可以使用AutoModel.evaluate评估训练结果。

该接口将默认加载SciAI模型库中提供的.ckpt文件用于评估，用户也可以调用model.update_config接口自定义加载的文件。

from sciai.model import AutoModel

# 获取cpinns网络模型
model = AutoModel.from_pretrained("cpinns")
# （可选）自定义加载ckpt文件
model.update_config(load_ckpt=True, load_ckpt_path="./checkpoints/your_file.ckpt")
# 评估网络模型
model.evaluate()