网络模型的保存与读取

文章目录

一、模型的保存

方式1:torch.save(vgg16, "vgg16_method1.pth")

bash 复制代码
import torch
import torchvision.models

vgg16 = torchvision.models.vgg16(pretrained=False)
torch.save(vgg16, "vgg16_method1.pth")

如果运行报错:UserWarning: Arguments other than a weight enum or None for 'weights' are deprecated since 0.13 and may be removed in the future. The current behavior is equivalent to passing weights=None或者The parameter 'pretrained' is deprecated since 0.13 and may be removed in the future

原因是在 PyTorch 的 torchvision 库中,从版本 0.13 开始,pretrained 参数已经被弃用,取而代之的是 weights 参数。这个改变是为了提供更丰富的预训练模型选择。当你尝试使用 vgg16(pretrained=False) 时,你收到了一个警告,告诉你 pretrained 参数已经不再被使用,并且建议你使用 weights 参数。

要解决这个问题,你应该使用 weights 参数来代替 pretrained。

修正代码:

bash 复制代码
import torch
import torchvision.models

vgg16 = torchvision.models.vgg16(weights=torchvision.models.VGG16_Weights.DEFAULT)
torch.save(vgg16, "vgg16_method1.pth")

运行代码:

可以看到多了一个新文件vgg16_method1.pth

该方式1保存的网路模型不仅保存了网络模型的一种结构,它也保存了模型当中的一些参数

方式2:把模型的参数保存成字典(dict)形式

bash 复制代码
import torch
import torchvision.models

vgg16 = torchvision.models.vgg16(weights=torchvision.models.VGG16_Weights.DEFAULT)
torch.save(vgg16.state_dict(),"vgg16_method2.pth")

运行结果:

方式1与方式2对比:

方式1保存的是模型的结构+模型的参数,方式2保存的只是模型的参数(官方推荐的保存方式)

官方推荐的原因是当保存一个大的模型时候,方式2所用的空间更小

我们可以查看一下两种保存方式的文件大小:

因为vgg这个模型本身就不大,所以文件大小差距并不明显,但方式2足足小了7kb!要是在大模型下节省空间这点会尤其明显。

二、文件的加载

代码:

bash 复制代码
import torch

model = torch.load("vgg16_method1.pth")
print(model)

运行结果:

通过将save与load的文件debug运行:

能够发现两者都是一样的,说明被完整加载出来。

通过上述步骤可以看到模型中的参数也一同保存下来了。

加载方式2保存的模型:

bash 复制代码
import torch

model = torch.load("vgg16_method2.pth")
print(model)

运行结果:

可以看到方式2形式是一个个字典形式.

方式2从字典形式想要恢复网络模型结构则需要:

bash 复制代码
import torch
import torchvision

# 创建一个VGG16模型实例,参数pretrained=False表示不加载预训练的权重。
vgg16 = torchvision.models.vgg16(pretrained=False)

# 加载之前保存的模型权重,这些权重保存在名为"vgg16_method2.pth"的文件中。
vgg16.load_state_dict(torch.load("vgg16_method2.pth"))

# 打印出模型的结构,这样可以看到模型的各个层和参数。
print(vgg16)

运行结果:

可以看到把模型参数成功加载出来了

三、模型加载时容易犯的陷阱

保存一个自己写的网络模型:

bash 复制代码
import torch
import torchvision.models
from torch import nn


class Sen(nn.Module):
    def __init__(self):
        super(Sen, self).__init__()
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3)

    def forward(self, x):
        x = self.conv1(x)
        return x

sen = Sen()
torch.save(sen, "sen_method1.pth")

运行结果:

因为用方式1进行保存,故使用方式1的方法进行加载:

bash 复制代码
import torch
import torchvision

model = torch.load("sen_method1.pth")
print(model)

运行结果:

可以看到发生了报错,报错的意思是加载的时候没有找到Sen这个类

解决方法是将类复制到加载代码中:

bash 复制代码
import torch
import torchvision

class Sen(nn.Module):
    def __init__(self):
        super(Sen, self).__init__()
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3)

    def forward(self, x):
        x = self.conv1(x)
        return x

model = torch.load("sen_method1.pth")
print(model)

注意不需要写sen = Sen()这一代码

运行代码:

也就是用自己写的网络模型不同于现有的网络模型,需要进行导入才能正常加载出来!

或者也可以用import的方法加载自己写的网络模型,那么就不需要老是复制粘贴

通过from model_save import *加载:

bash 复制代码
import torch
from model_save import *

model = torch.load("sen_method1.pth")
print(model)

运行结果:

相关推荐
说私域4 分钟前
基于开源链动2+1模式AI智能名片S2B2C商城小程序的市场份额扩张路径研究
人工智能·小程序·开源
文火冰糖的硅基工坊14 分钟前
[人工智能-大模型-72]:模型层技术 - 模型训练六大步:①数据预处理 - 基本功能与对应的基本组成函数
开发语言·人工智能·python
东经116度1 小时前
权重初始化方法详解
深度学习·机器学习·xavier初始化·全零初始化·随机初始化·he初始化
晚霞apple1 小时前
三维重建技术的未来创新方向
论文阅读·人工智能·深度学习·神经网络·机器学习
NocoBase1 小时前
GitHub 上最值得关注的 14 个开源 AI 低代码工具
人工智能·低代码·github
无风听海1 小时前
神经网络之语义空间
人工智能·深度学习·神经网络
cxr8281 小时前
AI提示工程第一性原理:精通原子提示,激发语言模型的基本单位
人工智能·语言模型·自然语言处理
X.AI6662 小时前
YouTube评论情感分析项目84%正确率:基于BERT的实战复现与原理解析
人工智能·深度学习·bert
Python×CATIA工业智造2 小时前
Pycatia二次开发基础代码解析:组件识别、选择反转与链接创建技术解析
python·pycharm
艾莉丝努力练剑2 小时前
【C++:继承】面向对象编程精要:C++继承机制深度解析与最佳实践
开发语言·c++·人工智能·继承·c++进阶