发布模型

Linux Ascend GPU 模型发布 中级 高级

概述

MindSpore Hub是存放MindSpore官方或者第三方开发者提供的预训练模型的平台。它向应用开发者提供了简单易用的模型加载和微调APIs，使得用户可以基于预训练模型进行推理或者微调，并部署到自己的应用中。用户也可以将自己训练好的模型按照指定的步骤发布到MindSpore Hub中，以供其他用户进行下载和使用。

本教程以GoogleNet为例，对想要将模型发布到MindSpore Hub的模型开发者介绍了模型上传步骤。

发布模型到MindSpore Hub

用户可通过向hub仓提交PR的方式向MindSpore Hub发布模型。这里我们以GoogleNet为例，列出模型提交到MindSpore Hub的步骤。

将你的预训练模型托管在可以访问的存储位置。

参照模板，在你自己的代码仓中添加模型生成文件mindspore_hub_conf.py，文件放置的位置如下：

googlenet
├── src
│   ├── googlenet.py
├── script
│   ├── run_train.sh
├── train.py
├── test.py
├── mindspore_hub_conf.py

参照模板，在hub/mshub_res/assets/mindspore/ascend/0.7文件夹下创建{model_name}_{model_version}_{dataset}.md文件，其中ascend为模型运行的硬件平台，0.7为MindSpore的版本号，hub/mshub_res的目录结构为：
```
hub
├── mshub_res
│   ├── assets
│       ├── mindspore
|           ├── gpu
|               ├── 0.7
|           ├── ascend
|               ├── 0.7
|                   ├── googlenet_v1_cifar10.md
│   ├── tools
|       ├── md_validator.py
|       └── md_validator.py
```
注意，{model_name}_{model_version}_{dataset}.md文件中需要补充如下所示的file-format、asset-link 和 asset-sha256信息，它们分别表示模型文件格式、模型存储位置（步骤1所得）和模型哈希值。
```
file-format: ckpt  
asset-link: https://download.mindspore.cn/model_zoo/official/cv/googlenet/goolenet_ascend_0.2.0_cifar10_official_classification_20200713/googlenet.ckpt  
asset-sha256: 114e5acc31dad444fa8ed2aafa02ca34734419f602b9299f3b53013dfc71b0f7
```
其中，MindSpore Hub支持的模型文件格式有：
- MindSpore CKPT
- MINDIR
- AIR
- ONNX
对于每个预训练模型，执行以下命令，用来获得.md文件asset-sha256处所需的哈希值，其中googlenet.ckpt是从步骤1的存储位置处下载并保存到tools文件夹的预训练模型，运行后输出的哈希值为114e5acc31dad444fa8ed2aafa02ca34734419f602b9299f3b53013dfc71b0f7。
```
cd /hub/mshub_res/tools
python get_sha256.py ../googlenet.ckpt
```
使用hub/mshub_res/tools/md_validator.py在本地核对.md文件的格式，执行以下命令，输出结果为All Passed，表示.md文件的格式和内容均符合要求。
```
python md_validator.py ../assets/mindspore/ascend/0.7/googlenet_v1_cifar10.md
```
在mindspore/hub仓创建PR，详细创建方式可以参考贡献者Wiki。

一旦你的PR合入到mindspore/hub的master分支，你的模型将于24小时内在MindSpore Hub 网站上显示。有关模型上传的更多详细信息，请参考README。