如何重复使用经过培训的fastai模型？

Question

如何使用PyTorch上的fastai实现加载预训练模型？就像在SkLearn中一样，我可以使用pickle将模型转储到文件中，然后加载并稍后使用。我在声明像bellow这样的学习实例之后使用.load（）方法加载以前保存的权重：

arch=resnet34
data = ImageClassifierData.from_paths(PATH, tfms=tfms_from_model(arch, sz))
learn = ConvLearner.pretrained(arch, data, precompute=False)
learn.load('resnet34_test')

然后预测图像的类别：

trn_tfms, val_tfms = tfms_from_model(arch,100)
img = open_image('circle/14.png')
im = val_tfms(img)
preds = learn.predict_array(im[None])
print(np.argmax(preds))

但它让我错误：

ValueError: Expected more than 1 value per channel when training, got input size [1, 1024]

如果我使用learn.fit(0.01, 3)而不是learn.load()，则此代码有效。我真正想要的是避免在我的应用程序中的训练步骤。

Answer 1

只要您的一批数据包含单个元素，就会发生此错误。

解决方案1 ​​： 在learn.load（'resnet34_test'）

之后调用learn.predict（）

解决方案2 ： 从训练集中删除1个数据点。

Pytorch issue

Fastai forum issue description

Answer 2

对于某些批次，这可能是批量大小等于1的边缘情况。确保你们没有批次= 1（主要是最后一批）

Answer 3

在训练中，如果训练集中有1个数据，则会出现此错误。

如果您使用模型来预测输出，请确保设置

  

learner.eval（）