Pytorch 模型搭建

发表于 更新于 分类于 ， 阅读次数： 本文字数： 1.4k 阅读时长 ≈ 1 分钟

在 Pytorch 搭建模型

如何使用 torchvision. models 加载一个预训练模型？

  • 直接使用 torchvision. Models 加载即可
    1
    2
    >>> import torchvision
    >>> alexnet=torchvision.models.alexnet(pretrained=True)

如何查看一个模型的网络结构？

  • 1）直接打印
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    >>> import torchvision
    >>> alexnet=torchvision.models.alexnet(pretrained=True)
    >>> alexnet
    AlexNet(
      (features): Sequential(
    	(0): Conv2d(3, 64, kernel_size=(11, 11), stride=(4, 4), padding=(2, 2))
    	(1): ReLU(inplace=True)
    	(2): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False)
    	(3): Conv2d(64, 192, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
    	(4): ReLU(inplace=True)
    	(5): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False)
    	(6): Conv2d(192, 384, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    	(7): ReLU(inplace=True)
    	(8): Conv2d(384, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    	(9): ReLU(inplace=True)
    	(10): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    	(11): ReLU(inplace=True)
    	(12): MaxPool2d(kernel_size=3, stride=2, padding=0, dilation=1, ceil_mode=False)
      )
      (avgpool): AdaptiveAvgPool2d(output_size=(6, 6))
      (classifier): Sequential(
    	(0): Dropout(p=0.5, inplace=False)
    	(1): Linear(in_features=9216, out_features=4096, bias=True)
    	(2): ReLU(inplace=True)
    	(3): Dropout(p=0.5, inplace=False)
    	(4): Linear(in_features=4096, out_features=4096, bias=True)
    	(5): ReLU(inplace=True)
    	(6): Linear(in_features=4096, out_features=1000, bias=True)
      )
    )
  • 2）按照 Pytorch 保存模型将模型保存为文件，然后使用 netron 工具进行查看