Question

我有一个具有以下网络结构的pytorch模型。

from __future__ import print_function
import argparse
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms

class lenet_mnist(nn.Module):
    def __init__(self):
        super(lenet_mnist, self).__init__()
        self.cuda()
        self.conv1 = nn.Conv2d(1, 16, kernel_size=3,padding=1)
        self.relu1 = nn.ReLU(inplace=True)
        self.relu2 = nn.ReLU(inplace=True)
        self.relu3 = nn.ReLU(inplace=True)
        self.maxpool1 = nn.MaxPool2d(kernel_size=2, stride=2)
        self.maxpool2 = nn.MaxPool2d(kernel_size=2, stride=2)
        self.conv2 = nn.Conv2d(16, 32, kernel_size=5,padding=2)
        self.conv2_drop = nn.Dropout2d()
        self.fc1 = nn.Linear(1568, 256)
        self.fc2 = nn.Linear(256, 10)

    def forward(self,x):
        #x = x.to(torch.device("cuda:0"))
        out = self.conv1(x)
        out = self.maxpool1(out)
        out = self.relu1(out)
        out = self.conv2(out)
        out = self.conv2_drop(out)
        out = self.maxpool2(out)
        out = self.relu2(out)
        out = out.view(-1,1568)
        out = self.fc1(out)
        out = self.fc2(out)
        return out

我训练了这个模型，并删除了模型中的几个通道，例如，将self.conv2设置为（in=16,out=24）。我重新加载了state_dict模型，并为新结构修改了该模型。

现在，我正在尝试对模型进行推断，但是pytorch仍然会拾取定义原始结构的旧model.py文件。如何停止pytorch寻找model.py？

编辑：（更多信息）为了简化模型，我只需要获取模型的state_dict，通过删除其中的几个通道来编辑张量，然后在模型上使用load_state_dict再次加载模型。我还使用更新的权重和偏差更改了model._parameters。我使用此模型来运行前向传递。运行时，出现错误，提示out.view层尺寸不匹配。并且，回溯显示pytorch正在从存在上述代码片段的model.py文件中读取模型。

Pytorch-在没有model.py文件的情况下细化模型后，如何运行模型的推理？

0 个答案: