相关官方资料：
https://www.mindspore.cn/tutorial/training/zh-CN/r1.2/use/publish_model.html
参考地址：
https://gitee.com/mindspore/hub/blob/r1.2/mshub_res/README.md
https://gitee.com/mindspore/mindspore/blob/r1.2/CONTRIBUTING.md
==========================================================
-
将你的预训练模型托管在可以访问的存储位置。
这里假设我们训练的网络模型参数文件为 ckpt 文件，我们需要提前把参数文件保存到一个可以公开访问的地址，如：
但是这个地址是不是一定是http服务的呢？这里也是搞不太清楚，具体讨论看问末尾。
2. 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：
这一步骤是说我们需要提供网络的定义文件，当然如果你可以提供网络的具体说明，训练代码，测试代码，等等吧，这是更好的，但是最低要求是需要提供一个网络定义的文件。而这个网络定义的文件需要满足两个条件：
1）. 以代码库的形式来体现，如：
repo-link: https://gitee.com/mindspore/mindspore/tree/master/model_zoo/official/cv/googlenet
这里我们可以使用gitee 或 github 来存放自己构建的代码库，该代码库中存放网络定义的文件。
2）. 代码库中需要提供mindspore_hub可以调用的API接口文件。
在你自己的代码仓中添加模型生成文件mindspore_hub_conf.py ，该文件存储位置为根目录，如上图所示。
文件mindspore_hub_conf.py 编写格式参考：
"""hub config.""" from src.googlenet import GoogleNet def googlenet(*args, **kwargs): return GoogleNet(*args, **kwargs) def create_network(name, *args, **kwargs): if name == "googlenet": return googlenet(*args, **kwargs) raise NotImplementedError(f"{name} is not implemented in the repo")
也就是说 文件mindspore_hub_conf.py 中需要有 函数 def create_network(name, *args, **kwargs):
通过调用函数 create_network 我们可以获得返回的定义好的mindspore框架下的网络对象，即上面代码中的 return googlenet(*args, **kwargs) 。
mindspore_hub中load网络时便会自动调用 create_network函数获得定义好后的网络模型，并通过访问模型参数托管的位置来加载网络参数。
3. 编写说明文件，即 .md 文件，然后以提交PR的形式提交给mindspore_hub官方代码库。（这里假设已经从官方gitee地址mindspore上拉取了hub库）
.md 文件的存放地址（在自己拉取的mindspore的官方hub库下的位置，因为我们最后是以提交PR的形式提交给官方的）
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：
假设我们是用的mindspore1.3gpu版本，那么我们存放.md文件在自己拉取的hub代码库的路径为：
hub/mshub_res/assets/mindspore/gpu/1.3
而 .md 文件的命名格式：
{model_name}_{model_version}_{dataset}.md
中的 googlenet_v1_cifar10.md
其中，googlenet 为我们训练的神经网络的名称， v1 为我们个人命名的版本号（这个可以自己自由随便起），cifar10 是我们用来进行训练的数据集名称。
.md 文件的内容最少包括：
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。
即：
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，模型存储位置 asset-link ，则是我们前文说的那个可以公网访问的地址。
而 asset-sha256 字符串需要使用hub代码库中的代码进行计算，如下操作：
cd /hub/mshub_res/tools
python get_sha256.py --file ../googlenet.ckpt
获得hash码后填写回 .md 文件，完成 .md 文件的编写。
验证 .md 文件的编写是否符合规范：
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。
如：
python md_validator.py --check_path ../assets/mindspore/gpu/1.3/googlenet_v1_cifar10.md
4. 完成个人拉取的hub代码库中 .md 文件的编写后提交PR给官方请求合并。
==========================================================
相关问题：
想发布模型到MindSpore_hub上所需asset-link的地址可以是百度网盘吗，除http服务可以访问以外ftp服务行吗
官方需要我们提供已经训练好的模型的参数文件地址，该地址需要是可以访问的，那这个地址是不是一定要是http服务访问的呢？
因为我们很有可能是没有公网IP下的http服务器的，而如果必须是可访问的http服务的地址可能就很难满足了，但是如果可以用百度云盘之类的存储方式就可以很好解决了，但是是否可以呢，我们可以关注下上面的帖子。