同名微信公众号/知乎专栏: AI算法札记,欢迎关注交流
pytorch自发布以来,由于其便捷性,赢得了越来越多人的喜爱。
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
import torchvision.models as models
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=False)
或者把resnet复制到自己的目录下,新建个model文件夹
可以参考下面的猫狗大战入门算法入门
https://github.com/JackwithWilshere/Kaggle-Dogs_vs_Cats_PyTorch
2.修改某一层
以resnet为例,默认的是ImageNet的1000类,比如我们要做二分类,分类猫和狗
resnet.fc = nn.Linear(2048, 2)
resnet 第一层卷积的卷积核是7,我们可能想改成5,那么可以通过以下方法修改:
#未经试验,修改需要有理论依据,计算featuremap维度使之匹配。
resnet.conv1 = nn.Conv2d(3, 64,kernel_size=5, stride=2, padding=3, bias=False)
3.加载部分预训练模型
对于具体的任务,很难保证模型和公开的模型完全一样,但是预训练模型的参数确实有助于提高训练的准确率,为了结合二者的优点,就需要我们加载部分预训练模型。
#加载model,model是自己定义好的模型
resnet50 = models.resnet50(pretrained=True)
model =Net(...)
#读取参数
pretrained_dict =resnet50.state_dict()
model_dict = model.state_dict()
#将pretrained_dict里不属于model_dict的键剔除掉
pretrained_dict = {k: v for k, v in pretrained_dict.items() if k in model_dict}
# 更新现有的model_dict
model_dict.update(pretrained_dict)
# 加载我们真正需要的state_dict
model.load_state_dict(model_dict)
4. 加载自己的模型
其实这个是保存和恢复模型,比如我们训练好的模型保存,然后加载用于测试。
方法一(推荐):
第一种方法也是官方推荐的方法,只保存和恢复模型中的参数。
使用这种方法,我们需要自己导入模型的结构信息。
(1)保存
torch.save(model.state_dict(), PATH)
#example
torch.save(resnet50.state_dict(),'ckp/model.pth')
(2)恢复
model = ModelClass(*args, **kwargs)
model.load_state_dict(torch.load(PATH))
#example
resnet=resnet50(pretrained=True)
resnet.load_state_dict(torch.load('ckp/model.pth'))
方法二:
使用这种方法,将会保存模型的参数和结构信息。
(1)保存
torch.save (model, PATH)
(2)恢复
model = torch.load(PATH)
参考资料:
1. https://zhuanlan.zhihu.com/p/25980324
2. http://www.pytorchtutorial.com/pytorch-note5-save-and-restore-models/