![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
权重使用
呼啦圈正在输入中...
如果人生只有一次翻身的机会,就要用尽全力。
我会仍然继续努力,心存谦卑,心存希望,不是努力得到的,总觉得不属于我。
偏爱~责任~担当~忠诚~细节
展开
-
[weights]2. 网络模型和权重的保存wandb(weight and bias) in pytorch
2. 网络模型和权重的保存 wandb(weight and bias) in pytorch一、网络模型或者权重的保存的方式方式一: 只保存网络的权重参数model = MainNet()torch.save(model.state_dict(), "ckpts/params.pth")方式二:保存网络和权重model = MainNet()torch.save(model, "ckpts/params.pth")方式二点五:使用half()对精度进行缩减保存model原创 2021-03-15 14:48:06 · 1579 阅读 · 1 评论 -
[weights]1. 加载权重之加载部分权重
加载部分网络权重一、 加载部分权重的意义可以用于迁移学习。迁移学习就是通过迁移已经训练好的权重继续进行学习,可以加速网络的训练速度,可以在之前的学习的基础上进行学习,但是要注意,优化器的使用,如果是别人的网络,一般都是最后使用SGD优化器的,因此当我们加载别人训练好的权重的时候,一定要注意,不能使用Adam优化器,这个优化器,会破坏之前的权重分布,达不到迁移学习的效果。【注意】:我们使用其他人的网络进行迁移学习的时候,一定要注意是迁移的是特征提取层,可以对其网络进行修改,但是最好是修改最后面的全连接层原创 2021-01-17 17:09:41 · 1814 阅读 · 0 评论