自己建立网站用什么软件,昆明网站设计报价,百度运营公司,六安网络上SAVE AND LOAD THE MODEL (保存和加载模型)
PyTorch 模型存储学习到的参数在内部状态字典中#xff0c;称为 state_dict, 他们的持久化通过 torch.save 方法。
model models.shufflenet_v2_x0_5(pretrainedTrue)
torch.save(model, ../../data/ShuffleNetV2_X0.5.pth…SAVE AND LOAD THE MODEL (保存和加载模型)
PyTorch 模型存储学习到的参数在内部状态字典中称为 state_dict, 他们的持久化通过 torch.save 方法。
model models.shufflenet_v2_x0_5(pretrainedTrue)
torch.save(model, ../../data/ShuffleNetV2_X0.5.pth)如果要加载模型的话首先需要实例化一个同类型的模型对象然后用 load_state_dict() 方法加载参数。
model models.shufflenet_v2_x0_5()
model.load_state_dict(torch.load(../../data/ShuffleNetV2_X0.5.pth))
model.eval()Output exceeds the size limit. Open the full output data in a text editor
ShuffleNetV2((conv1): Sequential((0): Conv2d(3, 24, kernel_size(3, 3), stride(2, 2), padding(1, 1), biasFalse)(1): BatchNorm2d(24, eps1e-05, momentum0.1, affineTrue, track_running_statsTrue)(2): ReLU(inplaceTrue))(maxpool): MaxPool2d(kernel_size3, stride2, padding1, dilation1, ceil_modeFalse)(stage2): Sequential((0): InvertedResidual((branch1): Sequential((0): Conv2d(24, 24, kernel_size(3, 3), stride(2, 2), padding(1, 1), groups24, biasFalse)(1): BatchNorm2d(24, eps1e-05, momentum0.1, affineTrue, track_running_statsTrue)(2): Conv2d(24, 24, kernel_size(1, 1), stride(1, 1), biasFalse)(3): BatchNorm2d(24, eps1e-05, momentum0.1, affineTrue, track_running_statsTrue)(4): ReLU(inplaceTrue))(branch2): Sequential((0): Conv2d(24, 24, kernel_size(1, 1), stride(1, 1), biasFalse)(1): BatchNorm2d(24, eps1e-05, momentum0.1, affineTrue, track_running_statsTrue)(2): ReLU(inplaceTrue)(3): Conv2d(24, 24, kernel_size(3, 3), stride(2, 2), padding(1, 1), groups24, biasFalse)(4): BatchNorm2d(24, eps1e-05, momentum0.1, affineTrue, track_running_statsTrue)(5): Conv2d(24, 24, kernel_size(1, 1), stride(1, 1), biasFalse)(6): BatchNorm2d(24, eps1e-05, momentum0.1, affineTrue, track_running_statsTrue)(7): ReLU(inplaceTrue)
...(1): BatchNorm2d(1024, eps1e-05, momentum0.1, affineTrue, track_running_statsTrue)(2): ReLU(inplaceTrue))(fc): Linear(in_features1024, out_features1000, biasTrue)
)Saving and Loading Models with Shapes 当加载模型权重时我们需要首先实例化模型类因为类定义了网络的结构。我们可能想要保存类的结构以及模型在这种情况下我们可以将 model (而不是 model.state_dict() ) 传递给保存函数
torch.save(model, ../../data/ShuffleNetV2_X0.5_eval2.pth)加载模型如这样
model torch.load(../../data/ShuffleNetV2_X0.5_eval2.pth)
print(model)这种方法在序列化模型时使用 Python pickle 模块因此它依赖于加载模型时可用的实际类定义。
Lnton羚通专注于音视频算法、算力、云平台的高科技人工智能企业。 公司基于视频分析技术、视频智能传输技术、远程监测技术以及智能语音融合技术等 拥有多款可支持ONVIF、RTSP、GB/T28181等多协议、多路数的音视频智能分析服务器/云平台。
