一、不同的网络模型
CIFAR10、VGG16、ImageNet等
导入库
pip install scipy 安装scipy
pip uninstall scipy 卸载scipy
torchvision.datasets.ImageNet('./dataset', split='train', download=True, transform=torchvision.transforms.ToTensor())
参数:存放位置、 split——训练集、是否下载、transform转换
VGG16
150000张图片,1000中类别,神经网络经过30步
outfeatures = 1000
具体代码
import torchvision
from torch import nn
# 报错,The dataset is no longer publicly accessible 不能公开下载,只能下载后替换跟目录文件
# 此文件train 训练集图片大小为147.9GB
# torchvision.datasets.ImageNet('./dataset', split='train', download=True,
# transform=torchvision.transforms.ToTensor())
# 数据量为528M
# 网络模型参数是未经过训练的,初始化的参数
vgg16_false = torchvision.models.vgg16(pretrained=False)
# 网络模型参数是经过训练的
vgg16_true = torchvision.models.vgg16(pretrained=True)
print(vgg16_true)
train_data = torchvision.datasets.CIFAR10(root="./dataset", train=False, download=True,
transform=torchvision.transforms.ToTensor())
# 向vgg16中添加模块 使得由1000类输出为10类
vgg16_true.classifier.add_module('add_linear', nn.Linear(1000, 10))
print(vgg16_true)
print(vgg16_false)
# 指定步骤由4096类输出10类
vgg16_false.classifier[6] = nn.Linear(4096, 10)
print(vgg16_false)
二、网络模型的保存
torch.save(数据集,文件名称) 不仅保存了网络模型的结构,还保存了网络模型的参数
torch.save(vgg16.state_dict(),文件名称) ——官方推荐
保存的是vgg16网络参数保存为字典形式
具体代码
import torch
import torchvision
from torch import nn
vgg16 = torchvision.models.vgg16(pretrained=False)
# 保存方式1,模型结构+模型参数
torch.save(vgg16, "vgg16_method1.pth")
# 保存方式2,模型参数(官方推荐)
torch.save(vgg16.state_dict(), "vgg16_method2.pth")
# 陷阱1
class Test1(nn.Module):
def __init__(self):
super(Test1, self).__init__()
self.conv1 = nn.Conv2d(3, 64, kernel_size=3)
def forward(self, input):
output = self.conv1(input)
return output
t1 = Test1()
torch.save(t1, "test_method1")
三、网络模型的读取
torch.load(文件名)
具体代码
import torch
import torchvision
from torch import nn
# 或者解决方法 将model_save中的代码引入
from model_save import *
# 方式一保存后的模型加载
model = torch.load("vgg16_method1.pth")
# print(model)
# 方式二加载模型
vgg16 = torchvision.models.vgg16(pretrained=False)
model = vgg16.load_state_dict(torch.load("vgg16_method2.pth"))
# model = torch.load("vgg16_method2.pth")
# 输出为字典
# print(model)
# 陷阱1,
# 解决
# class Test1(nn.Module):
# def __init__(self):
# super(Test1, self).__init__()
# self.conv1 = nn.Conv2d(3, 64, kernel_size=3)
#
# def forward(self, input):
# output = self.conv1(input)
# return output
model = torch.load("test_method1") # 报错AttributeError: Can't get attribute 'Test1' on <module '__main__'
print(model)