今天学习了保存与加载的相关内容。前面主要学习了如何调整超参数，并进行网络模型训练。在训练网络模型的过程中，实际上我们希望保存中间和最后的结果，用于微调（fine-tune）和后续的模型推理与部署。目前保存模型参数这块我还不是很熟悉，mindspore保存模型使用save_checkpoint接口，传入网络和指定的保存路径，我目前用的pytorch框架也有类似的接口。mindspore框架要加载模型权重，需要先创建相同模型的实例，然后使用load_checkpoint和load_param_into_net方法加载参数。今天把pytorch里保存模型的接口研究一下怎么用。