pytorch中cp27m与cp27mu的区别
https://blog.csdn.net/dlhlSC/article/details/88533376
我们在下载pytorch安装包时,会发现CUDA9.0有py27_gpu版有两个whl下载文件,分别是:
cu90/torch-0.3.0.post4-cp27-cp27mu-linux_x86_64.whl
cu90/torch-0.3.0.post4-cp27-cp27m-linux_x86_64.whl
cp27m是ucs2,cp27mu是ucs4。
UCS2规定每个字符占用2个字节,UCS4规定每个字节占用4个字符,都是UNICODE的编码形式。
一般选UCS2的版本即可。
Pytorch中的模型保存
torch.save()实现对网络结构和模型参数的保存。有两种保存方式:一是保存年整个神经网络的的结构信息和模型参数信息,save的对象是网络net;二是只保存神经网络的训练模型参数,save的对象是net.state_dict()。
保存和加载整个模型
torch.save(model_object, ‘model.pkl’)
model = torch.load(‘model.pkl’)
仅保存和加载模型参数(推荐使用)
torch.save(model_object.state_dict(), ‘params.pkl’)
model_object.load_state_dict(torch.load(‘params.pkl’))
有时候是.pth
有时候是.pkl
其实模型内部还是一样,主要是怎么保存的
对应上面两种保存方式,重载方式也有两种。
对应第一种完整网络结构信息,重载的时候通过
torch.load(‘.pth’)
直接初始化新的神经网络对象即可。
对应第二种只保存模型参数信息,需要首先导入对应的网络,
通过
net.load_state_dict(torch.load(‘.pth’)
完成模型参数的重载。在网络比较大的时候,第一种方法会花费较多的时间。
Pytorch中 torch.squeeze() 和torch.unsqueeze()的相关用法
https://blog.csdn.net/qian2213762498/article/details/86097912
Pytorch中时间测试
start = time.time()
result = model(input)
end = time.time()
torch.cuda.synchronize()
start = time.time()
result = model(input)
torch.cuda.synchronize()
end = time.time()
一共上述两种测试时间的方式,正确的方式是第二种,为什么是这样呢?在pytorch里面,程序的执行都是异步的。如果采用第一种方式,测试的时间会很短,因为执行完end=time.time()程序就退出了,后台的cu也因为python的退出退出了,如果采用第二种方式,代码会同步cu的操作,等待gpu上的操作都完成了再继续成形end = time.time()