2.2.5　训练及保存模型

MindSpore提供了回调（Callback）机制，可以在训练过程中执行自定义逻辑。代码2.6使用框架提供的ModelCheckpoint函数，ModelCheckpoint函数可以保存网络模型和参数，以便进行后续的Fine-tuning（微调）操作。

代码2.6　定义模型保存

通过MindSpore提供的model.train接口可以方便地进行网络的训练，同时使用Loss-Monitor可以监控训练过程中损失（loss）值的变化，如代码2.7所示。

代码2.7　定义模型训练

其中，dataset_sink_mode用于控制数据是否下沉，数据下沉是指数据通过通道直接传送到设备（Device）上，可以加快训练速度，dataset_sink_mode为真（True），表示数据下沉，否则为非下沉。

有了数据集、模型、损失函数、优化器后就可以进行训练了。代码2.8把train_epoch设置为1，对数据集进行1次迭代训练。在train_net方法中，加载了之前下载的训练数据集，mnist_path是MNIST数据集路径。

代码2.8　训练模型