保存模型时去掉模型的fc层

七白学长

已于 2022-10-19 09:56:32 修改

阅读量385

点赞数

文章标签： python pycharm 人工智能深度学习

于 2022-09-19 11:02:30 首次发布

本文链接：https://blog.csdn.net/wangshuhuan1/article/details/126928875

版权

文章目录

前言

前言

最近我在将torch.save保存的模型转为jit保存的模型的时候，发现连fc层都保存下来了。
在这里插入图片描述
这就导致我在后续使用jit模型进行训练时因为特征维度得不同导致出错。所以需要在转换为jit模型的时候把fc层去掉。代码如下：

model.fc = torch.nn.Identity()

然后再保存为jit模型即可。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

七白学长

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
保存模型时去掉模型的fc层

保存模型时去掉模型的全连接层
复制链接

扫一扫

PyTorch 图像：02.微调 Torchvision 模型

睡前人工智能共享实验室

08-11

880

在本教程中，我们将深入探讨如何对 torchvision 模型进行微调和特征提取，所有这些模型都已经预先在1000类的magenet数据集上训练完成。本教程将深入介绍如何使用几个现代的CNN架构，并将直观展示如何微调任意的PyTorch模型。由于每个模型架构是有差异的，因此没有可以在所有场景中使用的微调代码样板。然而，研究人员必须查看现有架构并对每个模型进行自定义调整。在本文档中，我们将执行两种类型的转移学习：微调和特征提取。在微调中，我们从预训练模型开始，更新我们新任务的所有模型参数，实质上是

请解释下面的代码：model=resnet18() num_ftrs=model.fc.in_features model.fc=nn.Linear(num_ftrs,10) model.conv1=...

weixin_42601134的博客

01-24

355

这段代码使用了 PyTorch 深度学习框架，主要做了以下几件事情：定义了一个名为 "resnet18" 的模型，这是一个 ResNet 模型的一个版本。定义了一个变量 "num_ftrs"，表示模型中全连接层(fc)的输入特征数。修改了模型中的全连接层，将输入特征数设置为 "num_ftrs"，输出特征数设置为 10。修改了模型中第一个卷积层(conv1)，将输入通道数设置为1，输出通...

参与评论您还未登录，请先登录后发表或查看评论

Pytorch预训练模型以及修改

菜鸟起飞

09-10

6548

转载：https://www.cnblogs.com/wmlj/p/9917827.html Pytorch预训练模型以及修改 pytorch中自带几种常用的深度学习网络预训练模型，torchvision.models包中包含alexnet、densenet、inception、resnet、squeezenet、vgg等常用网络结构，并且提供了预训练模型，可通过调用来读取网络结构和预训练模型（模型参数）。往往为了加快学习进度，训练的初期直接加载pretrain模型中预先训练好的参数。加载model如下

pytorch-image-classification项目-修改最后的model.fc

baidu_40840693的博客

10-21

1863

直接可以修改 def get_net(): #return MyModel(torchvision.models.resnet101(pretrained = True)) model = torchvision.models.resnet50(pretrained = True) #for param in model.parameters(): # ...

pytorch学习笔记------迁移学习②

qq_52822699的博客

07-12

507

迁移学习两种训练策略： ①直接用原参数做初始化，继续进行训练 ②将前面卷积层（主要用于特征提取）冻住，直接训练全连接层，可根据数据量多少调整冻住层数量 pytorch迁移学习步骤代码示例加载resnet152 import torch from torchvision import models import torch.nn as nn model_name='resnet' feature_extract=True device=torch.device...

pytorch使用之微调网络模型

weixin_42795892的博客

04-28

3774

import torchvision.models as models 1.调整最后一层输出维度 model = models.ResNet(pretrained=True) fc_features = model.fc.in_features# 获取全连接层输入维度 model.fc = torch.nn.Linear(fc_features, num_class) 2.调整某一层参数 impo...

Pytorch修改ResNet模型全连接层进行直接训练实例

09-18

然而，在实际应用中，我们往往需要根据特定任务来调整预训练模型，例如改变全连接层（fully connected layer，也称作fc layer）以适应不同的分类任务。本篇文章将详细解释如何在PyTorch中修改ResNet模型的全连接层...

单层厂房ifc模型

01-17

FC（Industry Foundation Classes）工业基础类的缩写。是IAI组织（the International Alliance for Interoperability）——国际协同联盟建立的标准名称。通过IFC，在建筑项目的整个生命周期中提升沟通、生产力、时间...

FC线程库模型介绍

07-25

文档描述了FC在线程方面的一些使用方法，希望能够帮到需要的人

tensorflow获取预训练模型某层参数并赋值到当前网络指定层方式

09-18

假设你有一个名为 "fc_target" 的当前网络层，需要复用预训练模型中名为 "fc_source" 的层，你可以这样做： ```python restore_v_target_name = "fc_target" restore_v_source_name = "fc_source" for v in ...

Pytorch中的VGG实现修改最后一层FC

12-23

https://discuss.pytorch.org/t/how-to-modify-the-final-fc-layer-based-on-the-torch-model/766/12 That’s because vgg19 doesn’t have a fc member variable. Instead, it has a (classifier): Sequential ( (0): Dropout (p = 0.5) (1): Linear (25088 -> 4096) (2): ReLU (inplace) (3): Dropout (p = 0.5) (4)

pytorch 实现打印模型的参数值

09-18

当我们创建一个简单的全连接层（`nn.Linear`）时，例如`fc = nn.Linear(3, 5)`，这个层包含两个参数：权重矩阵和偏置向量。我们可以使用`named_parameters()`方法来获取参数及其名称，这是一个生成器，返回形如`...

【深度学习笔记】-代码解读7-模型训练、验证与可视化

MengYa_Dream的博客

11-06

1112

【深度学习笔记】-代码解读7-模型训练、验证与可视化

PyTorch加载模型出现Error(s) in loading state_dict() for Model问题，Unexpected key(s) in state_dict: “...“

热门推荐

Albert的博客

11-04

2万+

问题：模型在训练过程中可以正常训练，但是测试的时候出现了错误，如下所示： RuntimeError: Error(s) in loading state_dict for ModuleList: Missing key(s) in state_dict: "0.weight", "1.weight", "1.bias", "1.running_mean", "1.running_var", Unexpected key(s) in state_dict: "conv1.weight", "bn1.we

pytorch 保存模型+加载模型+修改部分层+冻结部分层+删除部分层

qq_33328642的博客

10-27

2万+

pytorch的一些细节操作本文以普通的CNN为例 1. 实验用的模型参考博客。 2. 模型代码原始代码分成两个部分：第一个是写CNN模型框架的py文件，cnn.py 第二个是主文件，用于下载数据和模型超参数等。work.py cnn.py文件如下： from torch import nn class CNN(nn.Module): def __init__(self): super(CNN, self).__init__() self.layer1 =

pytorch不加载fc_pytorch模型保存与加载以及常见问题

weixin_39601642的博客

02-11

1385

一. 模型保存与加载#多gpuimport osos.environ['CUDA_VISIBLE_DEVICES'] = '1,2,3,4' #choosemodel = TheModelClass(*args, **kwargs)model = torch.nn.DataParallel(model).cuda()#加载与训练模型 file.pth.tarcheckpoint = torch.l...

深度学习笔记--修改、增加和删除预训练模型的特定层

牵一只蜗牛去散步

02-11

2629

从上面代码的执行结果可知：模型在修改前和修改后，被修改层的参数不同，未修改层的参数保持相同；上述代码结果表明：被修改的层，其参数状态变为可学习，未修改层的参数仍保持原状态；这里以修改 VGG16 最后一层为例，将输出类别更改为120类；简单的实现方式是：使用 del 指令删除指定的网络层；基于 Pytorch，以 VGG16 模型为例；在原模型的基础上，在特定位置新增新的网络模块；首先固定预训练模型的权重，再对特定层进行修改。2--初始化 VGG16 模型。6--固定预训练模型的权重。

使用torchvision的Resnet预训练模型并替换最后一个全连接FC层

qq_36744580的博客

08-29

1362

使用torchvision的预训练模型，并替换最后一个全连接层

pytorch中resnet_如何从PyTorch中的ResNet模型中删除最后一个FC层？

weixin_39805720的博客

12-20

4559

我使用的是来自PyTorch的ResNet152模型。我想从模型中去掉最后一个FC层。这是我的代码：from torchvision import datasets, transforms, modelsmodel = models.resnet152(pretrained=True)print(model)当我打印模型时，最后几行如下所示：(2): Bottleneck((conv1): C...

pytorch 保存模型参数