pytorch模型加载测试_pytorch模型加载方法汇总

Pytorch有很多方便易用的包，今天要谈的是torchvision包，它包括3个子包，分别是： torchvison.datasets ，torchvision.models ，torchvision.transforms ，分别是预定义好的数据集(比如MNIST、CIFAR10等)、预定义好的经典网络结构(比如AlexNet、VGG、ResNet等)和预定义好的数据增强方法(比如Resize、ToTensor等)。这些方法可以直接调用，简化我们建模的过程，也可以作为我们学习或构建新的模型的参考。

本文，我们讲述的是models，且只谈模型的加载。models这个包中包含alexnet、densenet、inception、resnet、squeezenet、vgg等常用的网络结构，并且提供了预训练模型，可以通过简单调用来读取网络结构和预训练模型。

模型地址：https://github.com/pytorch/vision/tree/master/torchvision/models

官方文档：https://pytorch.org/docs/master/torchvision/models.html

我将加载的方法简单总结为以下四种：

1.直接加载预训练模型

1 importtorchvision.models as models2

3 resnet50 = models.resnet50(pretrained=True)

这样就导入了resnet50的预训练模型了。

如果只需要网络结构，不需要用预训练模型的参数来初始化，那么就是：

model =torchvision.models.resnet50(pretrained