2.2.5　訓練及保存模型

MindSpore提供了回調（Callback）機制，可以在訓練過程中執行自定義邏輯。代碼2.6使用框架提供的ModelCheckpoint函數，ModelCheckpoint函數可以保存網絡模型和參數，以便進行后續的Fine-tuning（微調）操作。

代碼2.6　定義模型保存

通過MindSpore提供的model.train接口可以方便地進行網絡的訓練，同時使用Loss-Monitor可以監控訓練過程中損失（loss）值的變化，如代碼2.7所示。

代碼2.7　定義模型訓練

其中，dataset_sink_mode用于控制數據是否下沉，數據下沉是指數據通過通道直接傳送到設備（Device）上，可以加快訓練速度，dataset_sink_mode為真（True），表示數據下沉，否則為非下沉。

有了數據集、模型、損失函數、優化器后就可以進行訓練了。代碼2.8把train_epoch設置為1，對數據集進行1次迭代訓練。在train_net方法中，加載了之前下載的訓練數據集，mnist_path是MNIST數據集路徑。

代碼2.8　訓練模型