编程基础很弱,需要机器学习,学习记录,按自己理解写的,希望以后能学懂吧,要是有大神看到还请赐教。
现有网络模型的使用及修改
在现有网络基础上添加
import torchvision
from torch import nn
vgg16_false = torchvision.models.vgg16(pretrained=False) # 当False的时候只是加载网络模型,网络中参数为默认参数
vgg16_true = torchvision.models.vgg16(pretrained=True) # 当True时是在数据集上达到很好(训练好的)模型
print(vgg16_false)
train_data = torchvision.datasets.CIFAR10('./dataset', train=True, transform=torchvision.transforms.ToTensor(),
download=True)
# 如何运用现有的网络改动结构
# 以vgg16_true为例改动
vgg16_true.add_module('add_linear', nn.Linear(1000, 10)) # 在VGG16后加一个线性层
print(vgg16_true)
# 如果想在classifier里加一个呢?
vgg16_true.classifier.add_module('add_linear', nn.Linear(1000, 10))
print(vgg16_true)
在现有网络上修改
# 接上面的
# 如果想修改呢
#以vgg_false为例
vgg16_false.classifier[6] = nn.Linear(4096,10)
print(vgg16_false)
可以看到,已经改过来了。
网络模型的保存与读取
import torch
import torchvision
vgg16 = torchvision.models.vgg16(pretrained=False)
# 保存方式1
'''
save括号内网络名,保存名字,推荐pth格式。
不仅保存网络模型,同时保存网络参数
'''
torch.save(vgg16, "vgg16_method1.pth")
#保存方式2
'''
将vgg16模型中参数保存为字典形式
先state,然后指定名称/路径
保存模型参数
(官方推荐)
'''
torch.save(vgg16.state_dict(),"vgg16_method2.pth")
# 加载模型
import torch
# 方式1->加载模型
model = torch.load("vgg16_method1.pth")
print(model)
# 方式2->加载数据
# model=torch.load("vgg16_method2.pth")
# print(model)
'''可以发现,加载的是字典参数
如果要恢复成网络模型怎么办
需要新建一个网络模型结构'''
vgg16=torchvision.models.vgg16(pretrained=False)
vgg16.state_dict(torch.load("vgg16_method2.pth"))
print(vgg16)
注意,方式1有陷阱。
建立一个神经网络模型,按照方式1保存。
# 陷阱
import torch
from torch import nn
class Tudui(nn.Module):
def __init__(self):
super(Tudui, self).__init__()
self.conv1 = nn.Conv2d(3, 64,kernel_size=3)
def forward(self, x):
x = self.conv1(x)
return x
tudui = Tudui()
torch.save(tudui,"tudui_method1.pth")
然后加载,发现会报错。
import torch
model =torch.load("tudui_method1.pth")
print(model)
原因在于没有Tudui这个类,还需要将之前的网络结构class给复制过去,仅仅不需要写网络初始化那一步。