pytorch 查看网络模型字典Key

import os
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"
import torch
chpt = torch.load('./best_model.pth')
# chpt = torch.load('./VGG16A_BCE.pth')
# epoch = chpt['epoch']
# loss  = chpt['loss']

for k, v in chpt.items():
  print(k)

for k, v in chpt["model_state_dict"].items():
  print(k)

# for k, v in chpt["optimizer_state_dict"].items():
#   print(k)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
查看网络模型参数,你需要使用框架提供的函数或方法。下面以 PyTorch 为例,介绍两种查看网络模型参数的方法: 方法一:使用 model.parameters() 在 PyTorch 中,模型的所有参数都可以通过 `model.parameters()` 函数获取。你可以将其转化为一个列表,然后遍历查看每个参数的值,示例代码如下: ```python import torch # 定义一个简单的神经网络模型 class Net(torch.nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = torch.nn.Conv2d(3, 6, 5) self.pool = torch.nn.MaxPool2d(2, 2) self.conv2 = torch.nn.Conv2d(6, 16, 5) self.fc1 = torch.nn.Linear(16 * 5 * 5, 120) self.fc2 = torch.nn.Linear(120, 84) self.fc3 = torch.nn.Linear(84, 10) def forward(self, x): x = self.pool(torch.nn.functional.relu(self.conv1(x))) x = self.pool(torch.nn.functional.relu(self.conv2(x))) x = x.view(-1, 16 * 5 * 5) x = torch.nn.functional.relu(self.fc1(x)) x = torch.nn.functional.relu(self.fc2(x)) x = self.fc3(x) return x # 初始化模型 net = Net() # 打印模型参数 for name, param in net.named_parameters(): if param.requires_grad: print(name, param.data) ``` 方法二:使用 model.state_dict() 另一种查看网络模型参数的方法是,使用 `model.state_dict()` 函数。该函数返回一个 OrderedDict,其中每个 key 是层的名称,每个 value 是该层的参数张量。你可以通过遍历字典查看每个参数的值,示例代码如下: ```python import torch # 定义一个简单的神经网络模型 class Net(torch.nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = torch.nn.Conv2d(3, 6, 5) self.pool = torch.nn.MaxPool2d(2, 2) self.conv2 = torch.nn.Conv2d(6, 16, 5) self.fc1 = torch.nn.Linear(16 * 5 * 5, 120) self.fc2 = torch.nn.Linear(120, 84) self.fc3 = torch.nn.Linear(84, 10) def forward(self, x): x = self.pool(torch.nn.functional.relu(self.conv1(x))) x = self.pool(torch.nn.functional.relu(self.conv2(x))) x = x.view(-1, 16 * 5 * 5) x = torch.nn.functional.relu(self.fc1(x)) x = torch.nn.functional.relu(self.fc2(x)) x = self.fc3(x) return x # 初始化模型 net = Net() # 打印模型参数 for name, param in net.state_dict().items(): print(name, param) ``` 以上两种方法,你可以选择其中一种来查看 PyTorch 模型的参数。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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