PyTorch预训练的实现


Posted in Python onSeptember 18, 2019

前言

最近使用PyTorch感觉妙不可言,有种当初使用Keras的快感,而且速度还不慢。各种设计直接简洁,方便研究,比tensorflow的臃肿好多了。今天让我们来谈谈PyTorch的预训练,主要是自己写代码的经验以及论坛PyTorch Forums上的一些回答的总结整理。

直接加载预训练模型

如果我们使用的模型和原模型完全一样,那么我们可以直接加载别人训练好的模型:

my_resnet = MyResNet(*args, **kwargs)
my_resnet.load_state_dict(torch.load("my_resnet.pth"))

当然这样的加载方法是基于PyTorch推荐的存储模型的方法:

torch.save(my_resnet.state_dict(), "my_resnet.pth")

还有第二种加载方法:

my_resnet = torch.load("my_resnet.pth")

加载部分预训练模型

其实大多数时候我们需要根据我们的任务调节我们的模型,所以很难保证模型和公开的模型完全一样,但是预训练模型的参数确实有助于提高训练的准确率,为了结合二者的优点,就需要我们加载部分预训练模型。

pretrained_dict = model_zoo.load_url(model_urls['resnet152'])
model_dict = model.state_dict()
# 将pretrained_dict里不属于model_dict的键剔除掉
pretrained_dict = {k: v for k, v in pretrained_dict.items() if k in model_dict}
# 更新现有的model_dict
model_dict.update(pretrained_dict)
# 加载我们真正需要的state_dict
model.load_state_dict(model_dict)

因为需要剔除原模型中不匹配的键,也就是层的名字,所以我们的新模型改变了的层需要和原模型对应层的名字不一样,比如:resnet最后一层的名字是fc(PyTorch中),那么我们修改过的resnet的最后一层就不能取这个名字,可以叫fc_

微改基础模型预训练

对于改动比较大的模型,我们可能需要自己实现一下再加载别人的预训练参数。但是,对于一些基本模型PyTorch中已经有了,而且我只想进行一些小的改动那么怎么办呢?难道我又去实现一遍吗?当然不是。

我们首先看看怎么进行微改模型。

微改基础模型

PyTorch中的torchvision里已经有很多常用的模型了,可以直接调用:

  • AlexNet
  • VGG
  • ResNet
  • SqueezeNet
  • DenseNet
import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
squeezenet = models.squeezenet1_0()
densenet = models.densenet_161()

但是对于我们的任务而言有些层并不是直接能用,需要我们微微改一下,比如,resnet最后的全连接层是分1000类,而我们只有21类;又比如,resnet第一层卷积接收的通道是3, 我们可能输入图片的通道是4,那么可以通过以下方法修改:

resnet.conv1 = nn.Conv2d(4, 64, kernel_size=7, stride=2, padding=3, bias=False)
resnet.fc = nn.Linear(2048, 21)

简单预训练

模型已经改完了,接下来我们就进行简单预训练吧。
我们先从torchvision中调用基本模型,加载预训练模型,然后,重点来了,将其中的层直接替换为我们需要的层即可:

resnet = torchvision.models.resnet152(pretrained=True)
# 原本为1000类,改为10类
resnet.fc = torch.nn.Linear(2048, 10)

其中使用了pretrained参数,会直接加载预训练模型,内部实现和前文提到的加载预训练的方法一样。因为是先加载的预训练参数,相当于模型中已经有参数了,所以替换掉最后一层即可。OK!

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python实现对excel进行数据剔除操作实例
Dec 07 Python
基于Python Numpy的数组array和矩阵matrix详解
Apr 04 Python
pandas groupby 分组取每组的前几行记录方法
Apr 20 Python
python+numpy+matplotalib实现梯度下降法
Aug 31 Python
python 将列表中的字符串连接成一个长路径的方法
Oct 23 Python
Pytorch实现神经网络的分类方式
Jan 08 Python
调整Jupyter notebook的启动目录操作
Apr 10 Python
Python基于Hypothesis测试库生成测试数据
Apr 29 Python
Django中的模型类设计及展示示例详解
May 29 Python
基于python实现删除指定文件类型
Jul 21 Python
Django返回HTML文件的实现方法
Sep 17 Python
如何解决.cuda()加载用时很长的问题
May 24 Python
用python实现英文字母和相应序数转换的方法
Sep 18 #Python
Django模板导入母版继承和自定义返回Html片段过程解析
Sep 18 #Python
Python爬虫图片懒加载技术 selenium和PhantomJS解析
Sep 18 #Python
python rsa实现数据加密和解密、签名加密和验签功能
Sep 18 #Python
决策树剪枝算法的python实现方法详解
Sep 18 #Python
python生成requirements.txt的两种方法
Sep 18 #Python
python2与python3爬虫中get与post对比解析
Sep 18 #Python
You might like
PHP __autoload函数(自动载入类文件)的使用方法
2012/02/04 PHP
hadoop中一些常用的命令介绍
2013/06/19 PHP
PHP+javascript制作带提示的验证码源码分享
2014/05/28 PHP
PHP模板引擎smarty详细介绍
2015/05/26 PHP
php array_key_exists() 与 isset() 的区别
2016/10/24 PHP
Yii2中简单的场景使用介绍
2017/06/02 PHP
phpstorm最新激活码分享亲测phpstorm2020.2.3版可用
2020/11/22 PHP
jQuery.Validate 使用笔记(jQuery Validation范例 )
2010/06/25 Javascript
JQuery中each()的使用方法说明
2010/08/19 Javascript
改善用户体验的五款jQuery插件分享
2011/05/22 Javascript
js使下拉列表框可编辑不止是选择
2013/12/12 Javascript
php,js,css字符串截取的办法集锦
2014/09/26 Javascript
深入学习JavaScript中的Rest参数和参数默认值
2015/07/28 Javascript
js使用cookie记录用户名的方法
2015/11/26 Javascript
node-http-proxy修改响应结果实例代码
2016/06/06 Javascript
谈谈JavaScript的New关键字
2016/08/26 Javascript
JS日程管理插件FullCalendar中文说明文档
2017/02/06 Javascript
JS实现手写parseInt的方法示例
2017/09/24 Javascript
Vue组件内部实现一个双向数据绑定的实例代码
2019/04/04 Javascript
javascript操作向表格中动态加载数据
2020/08/27 Javascript
python登陆asp网站页面的实现代码
2015/01/14 Python
Python压缩和解压缩zip文件
2015/02/14 Python
python中如何使用朴素贝叶斯算法
2017/04/06 Python
Python解决抛小球问题 求小球下落经历的距离之和示例
2018/02/01 Python
Python和Java的语法对比分析语法简洁上python的确完美胜出
2019/05/10 Python
Python字符串大小写转换拼接删除空白
2019/09/19 Python
Python3实现飞机大战游戏
2020/04/24 Python
利用CSS3动画实现圆圈由小变大向外扩散的效果实例
2018/09/10 HTML / CSS
Net Remoting把服务器端激活两种模式
2014/01/22 面试题
厂长助理岗位职责
2013/12/27 职场文书
拉歌口号大全
2014/06/13 职场文书
美术课外活动总结
2014/07/08 职场文书
工作试用期自我评价
2015/03/10 职场文书
Python中X[:,0]和X[:,1]的用法
2021/05/10 Python
nginx请求限制配置方法
2021/07/09 Servers
Python matplotlib 利用随机函数生成变化图形
2022/04/26 Python