高版本torch训练的模型在低版本torch上无法使用

最新推荐文章于 2024-01-13 10:36:30 发布
最新推荐文章于 2024-01-13 10:36:30 发布
阅读量1.6k 收藏 5
点赞数 1
分类专栏： 深度学习 文章标签： pytorch 深度学习 神经网络
原文链接：https://blog.csdn.net/qq_39493070/article/details/118675294?spm=1001.2014.3001.5501
版权

在这里插入图片描述
pytorch1.6及更高版本，保存模型和低版本有区别，

保存时，设置_use_new_zipfile_serialization=False
torch.save(data, f, _use_new_zipfile_serialization=False)

解决方案来源于Courageux-J

半片青柠
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pytorch低版本加载高版本pytorch训练得到的模型，出现‘module’ object has no attribute ‘_rebuild_tensor_v2’错误
tsq292978891的博客
10-30 8575
情景 使用pytorch0.3来加载Mobilenetv1的模型（用更高版本的pytorch训练得到的），出现“AttributeError: ‘module’ object has no attribute ‘_rebuild_tensor_v2’”错误。 分析 追根溯源，查看pytorch的源码，torch下__init__.py定义了__all__ = [**, ‘load’, **]，然后...
libtorch部署1：模型训练和转换
阿丹的彩蛋
07-12 3453
本文记录libtorch使用的前置工作，模型的转换部分
pytorch 1.7训练保存的模型在1.4低版本无法加载
Courageux_J的博客
07-12 1851
pytorch1.6及更高版本，保存模型和低版本有区别， 保存时，设置_use_new_zipfile_serialization=False torch.save(data, f, _use_new_zipfile_serialization=False) 保存后的模型即可在低版本加载。
因pytorch版本不同导致训练模型加载失败的解决办法
m0_46673202的博客
05-29 4200
RuntimeError: version_ <= kMaxSupportedFileFormatVersion INTERNAL ASSERT FAILED at /pytorch/caffe2/serialize/inline_container.cc:132, please report a bug to PyTorch. Attempted to read a PyTorch file with version 3, but the maximum supported version for rea
深度学习模型训练技巧
最新发布
s_m_c的博客
01-13 1013
发现磁盘读写影响着模型训练的速度，磁盘读写要保持在一个正常值范围内（在80以下，不是红色的输出），如果磁盘读写利用率过高，会导致多个程序读写磁盘数据的时候产生拥堵，反而会降低模型训练的速度，所以要在磁盘读写速度的大小和batch之间做一个权衡，找到适合磁盘读写利用率的batch size大小。当使用 torch.utils.data.DataLoader 时，设置 num_workers > 0，而不是默认值 0，同时设置 pin_memory=True，而不是默认值 False。
torch在高版本训练的模型在低版本中使用报错
嗯呢嗯呢的博客
05-31 999
pttemptedtoreadaPyTorchfilewithversion3,butthemaximumsupportedversionforreadingis2. 解决： 首先用高版本的torch读入后重新保存。 model = torch.load('model_name.pt') torch.save(model, 'save_path', _use_new_zipfile_serialization=False) 然后在低版本中读取。 torch.lo...
低版本pytorch加载高版本模型
学习笔记
12-20 3830
报错： Can't get attribute '_rebuild_tensor_v2' on <module 'torch._utils' 在模型加载前加入（参考）： try: torch._utils._rebuild_tensor_v2 except AttributeError: def _rebuild_tensor_v2(stor...
不同版本pytorch训的模型之间的转化
u010454261的博客
03-17 4127
写在开头: 本文仅记录自己遇到的问题，方便之后查阅。 最近用不同版本的pytorch训了一些模型，但使用pytorch1.3加载pytorch1.6训练的模型失败，显示如下所示等一些乱七八糟的错误。 但是没关系，因为本宝想到了一个好的解决办法，hiahiahia~ 1. pytorch1.6 加载它自身生成的模型是没问题的，然后把加载后的模型dict生成pickle文件, 代码如下: importpickleaspkl...
高版本pytorch运行低版本pytorch常见问题汇总记录
weixin_47289438的博客
09-13 2869
记录一下pytorch日常碰到的调试的bug
BERT&RoBERTa预训练代码，tensorflow和torch两种版本实现.zip
01-07
一般情况下，使用BERT进行微调都可以取得不错的效果，但在某些垂直领域，可能由于现有的BERT模型的预训练语料涉及较少，需要使用该领域的文本语料继续进行预训练，才能达到满意的效果。 该仓库提供了tensorflow和...
torch_ort:使用onnxruntime训练Pytorch模型
03-05
总结来说，`torch_ort`是一个用于在PyTorch训练过程中利用ONNX Runtime的工具，它能够提高模型训练的效率。通过将PyTorch模型转换为ORTModule，我们可以享受到ONNX Runtime的高性能计算优势，这对于需要快速训练或...
resnet101预训练模型.zip（pytorch版本）
08-02
总的来说，ResNet101预训练模型在PyTorch中的使用极大地简化了深度学习模型的开发流程，使得开发者可以快速地在各种计算机视觉任务上实现高性能的解决方案。无论是图像分类、目标检测、语义分割还是其他相关任务，都...
torch和torchvision版本树莓派python3.7专用
09-25
它包含了许多预训练模型、数据集转换器以及常见的数据集，如CIFAR-10和ImageNet，为开发者提供了快速上手的工具。 在树莓派上安装这些专用版本时，需要注意以下几点： 1. **硬件限制**：树莓派的CPU和GPU资源相对...
neuralfeature:使用Torch 7从预训练的深度模型中提取特征
05-23
使用Torch 7从预训练的深度模型中提取特征 更新 更新功能 笔记 在Torch 7中阅读视频 您可以使用ffmpeg软件包在Torch 7中阅读视频，基本上，您可以首先通过以下方式安装该库： luarocks install ffmpeg 安装后，您...
高版本pytorch安装torchsnoop失败的解决
SCU-JJkinging的博客
03-28 361
我的pytorch是1.7，目前最高版本是1.8。 目录一、问题二、解决方法 一、问题 我们都知道torchsnoop是一款调试深度学习的神器，但是pytorch的版本太高，导致安装不了torchsnoop，那么我们该怎么解决呢？ 二、解决方法 到github搜索torchsnoop，并将torchsnoop整个模块clone到本地（这里注意一定要通过git把整个模块克隆，不要直接下载压缩包（后面安装会报错！！！）） 然后在你的TorchSnooper文件夹下 同时按住shift再点击鼠标右键，弹出框框
Ubantu20.04安装高版本torch之后，cuda不能用了,nvidia驱动不能用了
qq_41166909的博客
03-11 765
Ubantu20.04安装高版本torch之后，cuda不能用了,nvidia驱动不能用了
Ubuntu系统+Conda环境中降低Pytorch版本的方法
raylovec2的博客
01-28 6545
Ubuntu系统+Conda环境中降低Pytorch版本的方法 步骤1：终端激活安装的pytorch环境 conda activate pytorch 步骤2：执行以下命令 conda install pytorch=1.10.0 torchvision torchaudio cudatoolkit=11.3 -c pytorch 步骤3：检查版本信息 import torch print(torch.__version__) 注意：pytorch=1.10.0，cudatoolkit=11.3，此处
训练和预测模型时使用Pytorch版本不一样报错
qq_34018578的博客
01-16 2322
参考：https://github.com/pytorch/pytorch/issues/48915 在预测的时候，加载PyTorch模型报错：RuntimeError: version_ <= kMaxSupportedFileFormatVersion INTERNAL ASSERT FAILED at /pytorch/caffe2/serialize/inline_container.cc:132, please report a bug to PyTorch. Attempted to..
命令随手记 |持续更新......
xxxxxxbaby的博客
12-25 1611
跑程序踩过的一些坑
Django视图函数中使用torch训练模型
04-30
在Django视图函数中使用torch训练模型需要注意以下几点： 1. 确保你已经安装了torch和其他必要的依赖。 2. 确保你已经准备好了训练数据，并且已经创建了一个torch模型。 3. 在视图函数中，你需要加载数据并将其转换为torch张量。你可以使用torch.utils.data.DataLoader来加载数据，然后使用torch.Tensor将数据转换为张量。 4. 在训练之前，你需要定义损失函数和优化器。你可以使用torch.nn中的损失函数和优化器，例如torch.nn.MSELoss和torch.optim.SGD。 5. 在训练循环中，你需要将数据传递给模型，并计算损失。然后使用优化器来更新模型的权重。 下面是一个简单的Django视图函数，用于训练一个简单的线性模型： ```python import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader, TensorDataset from django.http import JsonResponse def train_model(request): # 加载数据 data = [[1.0, 1.0], [2.0, 2.0], [3.0, 3.0], [4.0, 4.0]] labels = [2.0, 4.0, 6.0, 8.0] tensor_x = torch.Tensor(data) tensor_y = torch.Tensor(labels) dataset = TensorDataset(tensor_x, tensor_y) dataloader = DataLoader(dataset, batch_size=2) # 创建模型 model = nn.Linear(2, 1) # 定义损失函数和优化器 criterion = nn.MSELoss() optimizer = optim.SGD(model.parameters(), lr=0.01) # 训练模型 for epoch in range(100): for inputs, labels in dataloader: optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() # 返回训练结果 return JsonResponse({'status': 'success'}) ``` 需要注意的是，这只是一个简单的例子。在实际应用中，你需要根据你的数据和模型进行适当的修改。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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