pytorch模型转换问题记录

问题1:file not found: archive/constants.pkl

为了在开发板上使用模型,我用转换脚本加载了我生成的pytorch模型文件,但是却报错了。就是标题的信息。

经过搜索,这里有相关解释和解决方法:
https://developer.qualcomm.com/sites/default/files/docs/snpe/model_conv_pytorch.html
https://pytorch.org/tutorials/advanced/cpp_export.html#converting-to-torch-script-via-tracing

简单来说,原因就是我保存模型直接用torch.save(), 没法在其它脚本中直接加载,除非那个脚本中也有nn.Module子类的定义。
我需要把我的模型保存为TorchScript格式。具体方法就是使用

trace_model = torch.jit.trace(net, (torch.Tensor(1,256), torch.Tensor(1,256)))  //这里有两个输入tensor
modelfile = './test.pt'
trace_model.save(modelfile)

这样保存的pt就可以在其它python里加载了。

问题2:TracerWarning: Converting a tensor to a Python number might cause the trace to be incorrect. We can’t record the data flow of Python values, so this value will be treated as a constant in the future.

我在forward()函数里把tensor转换为python数值来显示,调用torch.jit.trace就会报错。在forward()函数里所有的操作都用tensor就没问题了。

  • 5
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Pytorch是一个基于Python深度学习框架,而TensorFlow是由谷歌开发的另一个主要深度学习框架。尽管它们都具有相似的功能和应用领域,但它们的底层结构和语法有一些不同。 要将Pytorch模型转换为TensorFlow模型,需要进行以下步骤: 1. 确保数据预处理和模型的加载和保存方法与两个框架兼容。Pytorch使用torchvision库来加载和处理数据,而TensorFlow则使用tf.data.Dataset。可以编写一个通用的数据预处理函数,在转换过程中适应两个框架的要求。模型加载和保存方法也有所不同,因此需要检查和调整相应的代码。 2. 对于网络架构的转换,可以通过手动编写等效的TensorFlow代码来实现。首先,将Pytorch模型的输入、输出和中间层的形状记录下来。然后,将这些信息用于初始化TensorFlow模型,并按照相同的层次结构和参数进行转换。需要注意的是,Pytorch和TensorFlow的层名称和参数格式可能不同,因此需要进行一些调整。 3. 在模型转换过程中,还需要调整损失函数和优化器。Pytorch和TensorFlow使用不同的损失函数和优化器,因此需要将它们进行等效匹配或手动实现。可以将Pytorch的损失函数转换为TensorFlow的等效函数,并使用TensorFlow的优化器进行训练。 4. 进行模型的训练和测试,并根据需要进行微调和优化。在训练和测试过程中,可能需要进行调整以适应TensorFlow框架的要求,例如调整图像的通道顺序或输入的格式。 总的来说,将Pytorch模型转换为TensorFlow模型需要一些手动调整和修改,但可以通过适应两个框架的不同要求来实现。需要确保数据预处理、网络架构、损失函数和优化器等方面的兼容性,并在训练和测试过程中进行适当的调整和优化。

“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 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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