pytorch 加载预训练模型
2018-07-17 10:25
579 查看
pytorch 提供了 state_dict() 和 load_state_dict() 两个参数用来保存和加载模型参数, 前者将模型参数保存为字典形式, 后者将字典形式的模型参数载入到模型当中.
但是, 使用 load_state_dict() 加载模型参数时, 要求保存的模型参数键值类型和模型完全一致, 一旦我们对模型结构做了些许修改, 就不能直接调用该函数.
这时候, 可以采取用保存的模型参数来更新当前模型参数的方式, 达到加载预训练模型的目的.
1. 首先, 读取当前模型参数
[code]model_dict = model.state_dict()
2. 读取预训练模型, 并选取要保留的部分
[code]pre_dict = torch.load('path') pre_dict = {k: v for k, v in pre_dict.items() if k in model_dict}
3. 使用预训练的模型更新当前模型参数
[code]model_dict.update(pre_dict)
4. 加载模型参数
[code]model.load_state_dict(model_dict)
阅读更多
相关文章推荐
- pytorch 如何加载部分预训练模型
- Pytorch 加载训练好的模型 遇到的error
- PyTorch(7)——模型的训练和测试、保存和加载
- PyTorch中使用预训练的模型初始化网络的一部分参数
- pytorch多GPU训练以及多线程加载数据
- pytorch加载已训练好的word-embedding
- 计算一下pytorch中Resnet34模型前传一次所需要的时间
- 如何用Tensorflow训练模型成pb文件和和如何加载已经训练好的模型文件
- Pytorch打怪路(一)pytorch进行CIFAR-10分类(1)CIFAR-10数据加载和处理
- Pytorch打怪路(一)pytorch进行CIFAR-10分类(4)训练
- 使用MATLAB加载训练好的caffe模型进行识别分类
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- pytorch finetune模型
- tensorflow加载预训练模型的时候报错:ValueError:No OP Named DecodeBmp in difined operations的解决
- pytorch中获取模型input/output shape
- 深度学习笔记--使用keras训练&保存&加载CNN模型
- Tensorflow加载预训练模型和保存模型
- 4000 TensorFlow学习笔记(2)——保存和加载训练模型参数
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载