pytorch模型转换

本文详细介绍了如何将PyTorch模型转换为ONNX格式,包括环境配置、模型加载、模型导出及验证转换后模型的精度损失。在转换过程中,提到了使用onnxruntime和特定CUDA版本的重要性。
摘要由CSDN通过智能技术生成

目录

数据类型转换

模型转换

1. 环境配置

2. 模型加载

模型导出onnx:

3. 验证是否有精度损失


数据类型转换

aaa= torch.Tensor(3, 5)
bbb= torch.IntTensor(2,3)
print aaa.type_as(bbb)

模型转换

转化为jit模式:

model = UNet(3, 1)
modelname = 'ckpt_e_50.pth'
ckpt = torch.load(opt.pretrain + modelname)
model.load_state_dict(ckpt['state_dict'], strict=False)
model.eval()
example = torch.rand(1, 3, 240, 320)
example1 = torch.rand(1, 1, 30, 40)
traced_script_module = torch.jit.trace(model, (example, example1))
traced_script_module.save("model.pt")

<
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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