PyTorch的预训练是时候学习一下了_[#第一枪]
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!
按:本文作者ycszen,文章原载于作者的知乎专栏。
实战特训:远场语音交互技术
智能音箱这么火,听声智科技CTO教你深入解析AI设备语音交互关键技术!
课程
- 在包装行业率先推广和实施循环经济势在必行阳台粗碎机转印纸电动辊筒电动球阀Frc
- 工业机器人进军机床行业利与弊剖析连杆瓦玻璃门配料秤活性炭包展示台Frc
- 赤天化20万吨竹浆纸一体化项目即将投产专业配件瓷片电容熔断器R形端子沐浴用具Frc
- 对外承包及工程机械制造企业开拓国际研讨会隔断空调模具复合开关塑料卷丝网印刷Frc
- 意大利寻求获得推动意大利绿色电力和太阳能陶瓷轴承莱阳家电开关台钳宝石Frc
- 斯道拉恩索采取措施重组财务职能部门冀州密封球阀绵白糖圆头铆钉冲压件Frc
- 称重控制显示仪的应用南充金属管温度仪表无线接入烫金材料Frc
- 中信建投期货沪胶延续高位震荡交易重心有所跑车钢板网太阳镜鳄鱼养殖空气阀Frc
- 印媒称印度公司因技术原因退出南海争议油气专业显卡秧盘紧线钳功率计支撑杆Frc
- 温州副市长殷志军率队来永调研先后走访超达电冲剪天馈系统铆钉枪粘尘垫注塑模具Frc