pytorch模型导入、修改、保存、读取

最新推荐文章于 2023-12-15 18:59:01 发布
最新推荐文章于 2023-12-15 18:59:01 发布
阅读量656 收藏 1
点赞数
分类专栏： pytorch 文章标签： pytorch python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43811423/article/details/128258396
版权

pytorch对模型的操作

导入

这里以vgg11的classifier层为例
导入模型：

vgg11 = torchvision.models.vgg11(pretrained=False)
print(vgg11)

其中classifier的输出如下
在这里插入图片描述

修改

主要的修改方式：

# 在某层中添加层
vgg11.classifier.add_module('new_linear', nn.Linear(1000, 10))
# 修改某层
vgg11.classifier[6] = nn.Linear(4096, 10)
print(vgg11)

修改后：
在这里插入图片描述

保存与读取

# 模型的保存与读取
# 方式1，保存模型和参数
torch.save(vgg11, 'vgg11_method1.pth')
# 在读取时需要保证原模型已经引入
model = torch.load('vgg11_method1.pth')

# 方式2，只保存模型参数，一个字典形式(官方推荐)
torch.save(vgg11.state_dict(), 'vgg11_method2.pth')

vgg11_new = torchvision.models.vgg11(pretrained=False)
vgg11_new.load_state_dict(torch.load('vgg11_method2.pth'))
米饭�
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python-PyTorch到Caffe的模型转换工具
08-11
1. 导入PyTorch模型：首先，需要加载已经训练好的PyTorch模型。这可以通过`torch.load()`函数实现，它会读取`.pt`或`.pth`文件中的模型权重和结构。 2. 模型结构转换：转换工具需要解析PyTorch模型的计算图，将其...
pytorch 把MNIST数据集转换成图片和txt的方法
09-20
在PyTorch中，MNIST数据集是一个广泛用于手写数字识别任务的标准数据集，包含60,000个训练样本和10,000个测试样本。每个样本都是28x28像素的灰度图像，对应于0到9的手写数字。这个教程将指导你如何将MNIST数据集从...
PyTorch编程基础05--保存与载入模型的常用方法
weixin_44288092的博客
03-08 569
保存模型,载入模型
深度学习 模型的导入和读取 土堆教程
qishanbaby的博客
07-22 412
【代码】深度学习 模型的导入和读取 土堆教程。
pytorch学习笔记（7）--模型保存与导入
Sophia_2019的博客
11-21 297
model的保存与导入
pytorch和torchvision库安装与jupyter导入虚拟环境
helloly520的博客
12-15 1160
安装Anaconder自带jupyter，但是其内核在base环境下，前面在我们创建的自己的虚拟环境中安装的torch和torchvision两个库仅在该虚拟环境中存在，base环境调用不了，因此需要改变jupyter的内核才能在我们的虚拟环境中顺利使用jupyter notebook并调用安装的数据包。此时，可以顺利调用虚拟环境中安装的库。成功安装在虚拟环境下执行。
（已解决torchvision中CIFAR10下载速度慢）如何下载以及使用torchvision导入
edward_zcl的博客
04-27 1876
背景 train_set = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) 速度超级慢，慢得直接报错： urllib.error.URLError: urlopen...
自定义用于读取matlab数据的类，仿照pytorch设计.zip
最新发布
03-29
标题 "自定义用于读取matlab数据的类，仿照pytorch设计.zip" 提供了关键信息，即这个压缩包包含一个Python类，该类旨在读取MATLAB数据，并且其设计灵感来源于PyTorch的接口。PyTorch是一个流行的深度学习框架，它...
utils推导，pytorch模块运行，可以DEBUG一步步详细理解
11-17
4. **模型保存与加载**：`utils.model_saving`和`utils.model_loading`这类函数方便我们在训练过程中保存最佳模型，并在后续实验中恢复模型状态。 5. **评估指标**：`utils.evaluation`可能包含计算平均精度(mAP)等...
Python-WassersteinGAN的Torch实现
08-09
8. **保存和加载模型**：训练过程中，可以定期保存模型的权重，以便于后续使用或恢复训练。 **WassersteinGAN.torch-master项目**： 该项目可能包含了以下文件： - `main.py`：主程序，实现整个训练流程。 - `...
torchvision数据集导入
AILEARNER_L的博客
02-23 1391
CIFAR10 transform = torchvision.transforms.Compose( [transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]) #首先torchvision输出的图片的范围都是[0,1] ...
【PyTorch】保存和载入模型的两种方法
玄云飘风的博客
05-31 6589
import torch import argparse # 载入模型和载入参数 if torch.cuda.is_available(): if opt.pre_trained_model_type == "model": model = torch.load(opt.pre_trained_model_path) if opt.pre_trained_mode...
pytorch保存和导入模型
iridescent_mian的博客
03-07 6258
Pytorch官方的加载和保存模型的方式有两种： 1、保存和加载整个模型 这种方式再重新加载的时候不需要自定义网络结构，保存时已经把网络结构保存了下来，比较死板不能调整网络结构。 注：torch.load返回的是一个 OrderedDict torch.save(model_object, 'model.pkl') model = torch.load('model.pkl') 2...
pytorch模型保存和加载
村民的菜篮子
11-10 2894
pytorch，模型保存，加载
pytorch搭建训练自己数据集的模型(预处理、读取自己的图片、进行训练和测试、保存模型、加载模型和测试）
m0_50127633的博客
06-02 1万+
文章目录第一阶段：图片预处理代码讲解第二阶段：读取图片并保存为.txt第三阶段：改写Dataset，保证下阶段读取自己的数据集第四阶段：读取自己的数据集并训练和测试模型加载并进行测试 第一阶段：图片预处理 ''' 获取图像的路径 获取图像的高和宽 进行循环 判断图像是否存在 ''' import os import os.path # import cv2 from PIL import Image zhongyao_list=['白勺','薄荷','车前草','垂盆草','当归','何首乌','红花'
PyTorch加载保存的模型时，加载模型的三种方式
dubochao_xinxi的博客
11-10 477
当使用PyTorch加载保存的模型时，可以将加载模型的代码单独写成一个函数或模块，以便在需要的地方进行调用。方法加载保存的静态图模型文件，因为该模型已经记录了节点的权重和数据流动路径，所以只需将数据输入模型，即可得到输出结果。这些例子说明了如何使用不同的方法来保存和加载PyTorch模型。根据具体的需求，选择适合的方法来保存和加载模型。方法将运行路径保存到文件中，这种方法会自动记录模型中节点的数据流动路径。方法加载模型文件，得到完整的模型结构和权重。作为参数，并返回加载后的模型对象。加载模型时，我们使用。
[模块]pytorch模型的储存和载入
weiyuxin的博客
07-07 1068
pytorch保存和载入模型
【Pytorch】整体工作流程代码详解（新手入门）
WHYbeHERE的博客
10-25 2306
本文介绍Pytorch的基本工作流程及代码，以及如何在GPU上训练模型，包括数据准备、模型搭建、模型训练、评估及模型的保存和载入。适合有一定的Python和机器学习基础的深度学习/Pytorch初学者。
[Pytorch系列-43]：工具集 - torchvision预训练模型参数的导入(以ResNet为例）
热门推荐
文火冰糖（王文兵）的博客
11-06 1万+
作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客 本文网址： 目录 第1章torchvision与预训练模型的自动下载 第2章 预训练模型的手工下载 第3章 网络介绍 第4章 前置条件：系统库的导入 第5章 预训练模型的导入 5.1 模型的创建 5.2 模型参数的导入 5.3 模型参数的应用 5.4模型的简单测试 第1章torchvision与预训练模型的自动下载 [Pytorch系列-37]：工具集 - torchvision库详解...
CNN手写数字识别csv读取保存加载pytorch模型
07-16
你可以按照以下步骤在PyTorch中实现CNN手写数字识别，包括使用CSV文件进行数据读取、保存和加载模型： 1. 导入所需的库和模块： ```python import torch import torch.nn as nn import torch.optim as optim import pandas as pd from torch.utils.data import DataLoader, Dataset ``` 2. 创建一个自定义的数据集类，用于读取CSV文件中的数据： ```python class DigitDataset(Dataset): def __init__(self, csv_file): self.data = pd.read_csv(csv_file) def __len__(self): return len(self.data) def __getitem__(self, idx): image = self.data.iloc[idx, 1:].values.reshape(28, 28).astype('float32') / 255.0 label = self.data.iloc[idx, 0] return image, label ``` 3. 定义CNN模型： ```python class CNN(nn.Module): def __init__(self): super(CNN, self).__init__() self.conv1 = nn.Conv2d(1, 16, kernel_size=3, stride=1, padding=1) self.relu1 = nn.ReLU() self.pool1 = nn.MaxPool2d(kernel_size=2) self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1) self.relu2 = nn.ReLU() self.pool2 = nn.MaxPool2d(kernel_size=2) self.fc = nn.Linear(7*7*32, 10) def forward(self, x): x = self.conv1(x) x = self.relu1(x) x = self.pool1(x) x = self.conv2(x) x = self.relu2(x) x = self.pool2(x) x = x.view(x.size(0), -1) x = self.fc(x) return x ``` 4. 定义训练函数和测试函数： ```python def train(model, train_loader, criterion, optimizer): model.train() for images, labels in train_loader: optimizer.zero_grad() outputs = model(images.unsqueeze(1)) loss = criterion(outputs, labels) loss.backward() optimizer.step() def test(model, test_loader): model.eval() correct = 0 with torch.no_grad(): for images, labels in test_loader: outputs = model(images.unsqueeze(1)) _, predicted = torch.max(outputs.data, 1) correct += (predicted == labels).sum().item() accuracy = correct / len(test_loader.dataset) return accuracy ``` 5. 加载数据集并创建数据加载器： ```python train_dataset = DigitDataset('train.csv') test_dataset = DigitDataset('test.csv') train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True) test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False) ``` 6. 创建CNN模型实例、损失函数和优化器： ```python model = CNN() criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=0.001) ``` 7. 进行训练和测试： ```python num_epochs = 10 for epoch in range(num_epochs): train(model, train_loader, criterion, optimizer) accuracy = test(model, test_loader) print(f'Epoch {epoch+1}, Test Accuracy: {accuracy}') torch.save(model.state_dict(), 'digit_model.pt') ``` 8. 加载保存的模型并进行预测： ```python model = CNN() model.load_state_dict(torch.load('digit_model.pt')) # 假设有一个名为image的张量用于预测 output = model(image.unsqueeze(0).unsqueeze(0)) _, predicted = torch.max(output.data, 1) print(f'Predicted digit: {predicted.item()}') ``` 这就是使用CSV文件进行手写数字识别的基本步骤。你可以根据自己的需求进行修改和优化。

“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