model = torchvision.models.resnet18()
pretrained_dict = torch.load('XXX.pth')# 以字典的形式读取出之前模型的参数
model_dict = model.state_dict()# 表示新模型的参数字典
state_dict ={k:v for k,v in pretrained_dict.items()if k in model_dict.keys()}# state_dict表示两个模型共有的参数键值对
model_dict.update(state_dict)# 得到state_dict,model_dict对共有的key进行更新,即把原模型能读的参数都读进来
model.load_state_dict(model_dict)# model加载进这个更新后的参数字典
5.统计文件夹下数据
ls -lR|grep "^-"|wc -l # 需要进入需要统计的文件夹路径# 1. 查看当前目录所有文件和文件夹的大小
du -sh * 或 $du -h -d 0*# '-d 0' 代表查询目录的深度为0 ,也就是当前目录,'-d 3' 表示文件目录深度为3,可以查到当前目录下的1~3级目录。# 方法二:
ls -lh 或$ls -lht
# 2. 查看并统计文件和文件夹数目# 统计当前目录下文件数目:
ls -lh | grep '^-'| wc -l
# 统计当前目录及所有子目录下文件数目:
ls -lR | grep '^-'| wc -l
# 统计当前目录及所有子目录下以‘.jpg’后缀结尾的图片个数:
ls -lhR | grep '.jpg'|wc -l
# 统计当前目录下及所有子目录下所有文件夹数目:
ls -lR | grep '^d'| wc -l
6.python读取CSV文件——利用Pandas读取
data = pd.read_csv(csv_path,sep=',',header='infer',usecols=[5])# sep是分隔符# header是列名,是每一列的名字,如果header=1,将会以第二行作为列名,读取第二行以下的数据。usecols,是读取第几列。