PyTorch 保存和读取训练好的模型

最新推荐文章于 2024-02-22 19:15:52 发布
最新推荐文章于 2024-02-22 19:15:52 发布
阅读量3.4k 收藏 2
点赞数 1
分类专栏： DeepLearning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Rain_Alley/article/details/90107803
版权

#保存

torch.save(the_model.state_dict(), PATH)

#读取

the_model = TheModelClass(*args, **kwargs)

the_model.load_state_dict(torch.load(PATH))

 

Rain_Alley
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
通过python训练轮胎数据集识别
01-21
数据集介绍，下载本资源后，界面如下： 有一个文件夹一个是存放数据集的文件。 数据集介绍： 一共含有:3个类别，包含:'flat.class', 'full.class', 'no-tire.class'等。 然后本地的train.txt和val.txt里面存放的是数据集的图片路径和对应的标签。 运行train.py文件就会将train.txt和val.txt里面的数据进行读取然后训练，训练好的模型会保存在本地。同时训练过程中还会有准确率计算，即训练每个epoch来对验证集进行验证准确率。 欢迎下载更多深度学习资源： 以下含完整代码，包括ui界面，视频演示即为代码内容。 代码仓库和视频演示地址:https://space.bilibili.com/1747287365 包含： 001手写汉字识别-单个汉字识别-pyqt可视化交互界面-python代码 002unet墙体瑕疵检测-python-pytorch 003水果识别小程序-python-pytorch-mobilenet 004基于python的hog+svm实现目标检测 005yol
通过深度学习训练识别树叶病
01-21
数据集介绍，下载本资源后，界面如下： 有一个文件夹一个是存放数据集的文件。 数据集介绍： 一共含有:3个类别，包含:'Apple_black_rot', 'Apple_cedar_rust', 'Apple_scab'等。 然后本地的train.txt和val.txt里面存放的是数据集的图片路径和对应的标签。 运行train.py文件就会将train.txt和val.txt里面的数据进行读取然后训练，训练好的模型会保存在本地。同时训练过程中还会有准确率计算，即训练每个epoch来对验证集进行验证准确率。 欢迎下载更多深度学习资源： 以下含完整代码，包括ui界面，视频演示即为代码内容。 代码仓库和视频演示地址:https://space.bilibili.com/1747287365 包含： 001手写汉字识别-单个汉字识别-pyqt可视化交互界面-python代码 002unet墙体瑕疵检测-python-pytorch 003水果识别小程序-python-pytorch-mobilenet 004基于python的hog+svm实现目标检
PyTorch中保存模型的两种方式
qq_44815135的博客
02-22 617
这种保存形式将模型的参数保存为一个字典，其中包含了所有模型的权重和偏置等参数。状态字典保存了模型在训练过程中学到的参数值，而不包含模型的结构。可以使用这个字典来加载模型的参数，并将其应用于相同结构的模型。序列化模型保存了模型的完整信息，可以完全恢复模型的状态，包括模型的结构、权重、偏置以及其他相关参数。这种保存形式非常适用于仅保存和加载模型的参数，而不需要保存和加载模型的结构。这种保存形式适用于需要保存和加载完整模型信息的情况，包括模型的结构和参数。
pytorch保存和加载模型
qyhaill的博客
11-19 184
本文描述pytorch保存和加载模型的两种方法。参考：https://pytorch.org/docs/stable/notes/serialization.html 1 仅保存和加载模型参数 只保存模型参数，所占空间较少，但是加载时必须先定义好网络模型，并且加载时的网络模型和保存时的必须一模一样。 保存： torch.save(the_model.state_dict(), PATH) 加载：...
利用pytorch进行模型训练
boygodman的博客
03-20 259
pytorch快速入门深度学习-模型训练和搭建（使用小土堆学习心得）
如何让classmethod只允许使用用类对象来调用
代码改变世界
09-01 1465
原blog链接：如何让classmethod只允许使用用类对象来调用 我们知道在python中使用classmethod可以把一个方法处理为类方法，这样就可以直接使用类对象来调用它了。但是，它也有一个不算问题的问题，就是也可以使用实例来调用，比如： class A(object): @classmethod def p(cls): print 'ca
【Pytorch】pytorch中保存模型的三种方式
Shen Mu Xin's Blog
10-14 3706
参考自其实state_dict可以理解为一种简单的Python Dictionary，其功能是将每层之间的参数进行一一映射并且存储在python的数据类型字典中。因此state_dict可以轻松地进行修改、保存等操作。除了拥有方法之外，也具有方法。如下所示参考自。
pytorch模型保存与加载总结
热门推荐
蜗牛博客
10-13 1万+
pytorch模型保存与加载方式、打包保存tar、多卡训练遇到的问题、torch.jit、加载预训练模型、保存模型再加载精度损失
（深度学习）pytorch中模型的保存、加载、续训练以及多模型同文件保存方法
weixin_64388392的博客
11-25 1676
pytorch中神经网络模型的保存、加载、续训练以及多模型同文件的保存方法
深入理解Pytorch中模型保存文件pth
chlet的博客
04-28 5828
Pytorch中模型保存文件pth详解以及如何修改模型参数
Pytorch如何保存训练好的模型
qq_44886213的博客
05-07 5321
0.为什么要保存和加载模型 用数据对模型进行训练后得到了比较理想的模型，但在实际应用的时候不可能每次都先进行训练然后再使用，所以就得先将之前训练好的模型保存下来，然后在需要用到的时候加载一下直接使用。模型的本质是一堆用某种结构存储起来的参数，所以在保存的时候有两种方式，一种方式是直接将整个模型保存下来，之后直接加载整个模型，但这样会比较耗内存；另一种是只保存模型的参数，之后用到的时候再创建一个同样结构的新模型，然后把所保存的参数导入新模型。 1.两种情况的实现方法 （1）只保存模型参数字典（推荐）
基于pytorch的深度学习花朵种类识别项目完整教程（内涵完整文件和代码）
03-24
迁移pytorch官网中models提供的resnet模型，torchvision中有很多经典网络架构，调用起来十分方便，并且可以用人家训练好的权重参数来继续训练，也就是所谓的迁移学习 选择GPU计算、选择训练哪些层、优化器设置、损失...
NLP+word2vec+pytorch
01-03
参考《动手学深度学习》搭建word2vec语言模型，并在IMDB数据集中的train子集训练得到词嵌入。主要步骤如下： 1) 读取上一步的CSV文件，构建数据集。...10) 初始化模型参数并进行训练，得到训练结果并保存。
基于python深度学习的罗马数据集训练识别
01-21
运行train.py文件就会将train.txt和val.txt里面的数据进行读取然后训练，训练好的模型会保存在本地。同时训练过程中还会有准确率计算，即训练每个epoch来对验证集进行验证准确率。 欢迎下载更多深度学习...
node-v16.12.0-darwin-x64.tar.xz
最新发布
04-23
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
试用Dev Containers的示例项目-Go
04-23
计算机技术是指评价计算机系统的各种知识和技能的总称。它涵盖了计算机硬件、软件、网络和信息安全等方面。计算机技术的发展使我们能够进行高效的数据处理、信息存储和传输。现代计算机技术包括操作系统、数据库管理、编程语言、算法设计等。同时，人工智能、云计算和大数据等新兴技术也在不断推动计算机技术的进步。计算机技术的应用广泛，涵盖了各个领域，如商业、医疗、教育和娱乐等。随着计算机技术的不断革新，我们可以更加高效地实现预期自动化、标准化
NTsky新闻发布v1.0测试版(提供JavaBean).zip
04-23
### 内容概要： 《NTsky新闻发布v1.0测试版》是一款基于 Java 开发的新闻发布系统的测试版本，旨在为新闻机构和媒体提供一个简单易用的新闻发布平台。该系统具有基本的新闻发布和管理功能，包括新闻分类、新闻编辑、新闻发布等核心功能。此外，该版本还提供了 JavaBean，使开发人员能够方便地将系统集成到自己的项目中，快速实现新闻发布的功能。 ### 适用人群： 本测试版本适用于新闻机构、媒体从业者以及Java开发人员。如果你是一家新闻机构或媒体，希望拥有一个简单易用的新闻发布平台，方便快捷地发布和管理新闻，那么这个测试版本将为你提供一个初步的体验。同时，如果你是一名Java开发人员，希望学习和掌握新闻发布系统的开发技术，并且对新闻行业有一定的了解，那么通过这个测试版本，你可以获取到一些JavaBean，并且可以参考系统的设计和实现，为你的项目开发提供参考和借鉴。无论是从业务需求还是技术学习的角度，该测试版本都将为你提供一定的帮助和支持。
JavaScript介绍.zip
04-23
javascript，JavaScript 最初由 Netscape 公司的 Brendan Eich 在 1995 年开发，用于 Netscape Navigator 浏览器。随着时间的推移，JavaScript 成为了网页开发中不可或缺的一部分，并且其应用范围已经远远超出了浏览器，成为了全栈开发的重要工具。
15-21.php
04-23
15-21.php
pytorch使用训练好的模型，读取文件夹中的图片进行预测，并保存结果
05-30
好的，下面是使用 PyTorch 加载已训练好的模型，读取文件夹中的图片进行预测，并保存结果的代码： ```python import torch import torchvision.transforms as transforms from PIL import Image import os # 加载模型 model = torch.load('model.pth', map_location=torch.device('cpu')) # 定义变换 transform = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) # 预测图片 image_folder = 'image_folder' result_folder = 'result_folder' if not os.path.exists(result_folder): os.mkdir(result_folder) for filename in os.listdir(image_folder): image_path = os.path.join(image_folder, filename) image = Image.open(image_path) image_tensor = transform(image) image_tensor = image_tensor.unsqueeze(0) with torch.no_grad(): output = model(image_tensor) _, predicted = torch.max(output.data, 1) predicted_class = predicted.item() result_path = os.path.join(result_folder, filename) with open(result_path, 'w') as f: f.write(str(predicted_class)) ``` 其中，`model.pth` 是已训练好的模型文件，`image_folder` 是存放待预测图片的文件夹，`result_folder` 是存放预测结果的文件夹。 这段代码首先加载模型，然后定义了一系列变换，包括将图片调整为 256x256 的大小、裁剪中心的 224x224 区域、将图片转换为张量、以及对三个通道进行归一化。接着，代码遍历 `image_folder` 中的所有图片，对每一张图片进行预测，并将预测结果保存到 `result_folder` 中对应的文件中。最后，这段代码会生成一个名为 `result_folder` 的文件夹，其中包含与 `image_folder` 中图片数量相同的文件，每个文件中包含了对应图片的预测结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值