我对Torch不太熟悉,主要使用Tensorflow。但是,我需要使用在Torch中经过重新训练的初始模型。由于为我的特定应用重新训练初始模型需要大量的计算资源,因此我想使用已经重新训练的模型。
此模型另存为.pth.tar
文件。
我希望能够首先加载此模型。到目前为止,我已经能够确定必须使用以下内容:
model = torch.load('iNat_2018_InceptionV3.pth.tar', map_location='cpu')
这似乎行得通,因为print(model)
会打印出大量数字和其他值,我认为这是权重偏差的值。
在此之后,我需要能够使用它对图像进行分类。我还没弄清楚。我该如何格式化图像?是否应将图像转换为数组?之后,如何将输入数据传递到网络?
答案 0 :(得分:0)
您基本上需要执行与tensorflow中相同的操作。也就是说,当您存储网络时,将仅存储参数(即网络中的可训练对象),而不是“胶水”,这就是使用训练模型所需的全部逻辑。
因此,如果您有一个.pth.tar
文件,则可以加载它,从而覆盖已经定义的模型的参数值。
这意味着保存/加载模型的一般过程如下:
nn.Module
对象)torch.save
保存参数nn.Module
对象的相同定义来首先实例化pytorch网络torch.load
以下是有关如何执行此操作的讨论:pytorch forums
这是一个超短的mwe:
# to store
torch.save({
'state_dict': model.state_dict(),
'optimizer' : optimizer.state_dict(),
}, 'filename.pth.tar')
# to load
checkpoint = torch.load('filename.pth.tar')
model.load_state_dict(checkpoint['state_dict'])
optimizer.load_state_dict(checkpoint['optimizer'])