框架互换，全程无忧！|昇思MindSpore第三方框架迁移使用FAQ

Q1: 请问想加载PyTorch预训练好的模型用于MindSpore模型finetune有什么方法？

A1: 需要把PyTorch和MindSpore的参数进行一一对应，因为网络定义的灵活性，所以没办法提供统一的转化脚本。

一般情况下，CheckPoint文件中保存的就是参数名和参数值，调用相应框架的读取接口后，获取到参数名和数值后，按照MindSpore格式，构建出对象，就可以直接调用MindSpore接口保存成MindSpore格式的CheckPoint文件了。

其中主要的工作量为对比不同框架间的parameter名称，做到两个框架的网络中所有parameter name一一对应(可以使用一个map进行映射)，下面代码的逻辑转化parameter格式，不包括对应parameter name。

import torchimport mindspore as ms

def pytorch2mindspore(default_file = 'torch_resnet.pth'):

    # read pth file

    par_dict = torch.load(default_file)['state_dict']

    params_list = []

    for name in par_dict:

        param_dict = {}

        parameter = par_dict[name]

        param_dict['name'] = name

        param_dict['data'] = ms.Tensor(parameter.numpy())

        params_list.append(param_dict)

    ms.save_checkpoint(params_list,  'ms_resnet.ckpt')

Q2