Python如何加载模型并查看网络

叶小刀

加载模型并查看网络

加载模型，以vgg19为例。

打开终端

1. > python
   
2. Python 3.7.2 (tags/v3.7.2:9a3ffc0492, Dec 23 2018, 23:09:28) [MSC v.1916 64 bit
   
3. (AMD64)] on win32
   
4. Type "help", "copyright", "credits" or "license" for more information.
   
5. >>> from torchvision import models
   
6. >>> model = models.vgg19(pretrained=True) #此时如果是第一次加载会开始下载模型的pth文件
   
7. >>> print(model.model)

复制代码

结果：

1. VGG(  (features): Sequential(    (0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (1): ReLU(inplace)    (2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (3): ReLU(inplace)    (4): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)    (5): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (6): ReLU(inplace)    (7): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (8): ReLU(inplace)    (9): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)    (10): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (11): ReLU(inplace)    (12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (13): ReLU(inplace)    (14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (15): ReLU(inplace)    (16): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (17): ReLU(inplace)    (18): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)    (19): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (20): ReLU(inplace)    (21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (22): ReLU(inplace)    (23): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (24): ReLU(inplace)    (25): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (26): ReLU(inplace)    (27): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)    (28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (29): ReLU(inplace)    (30): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (31): ReLU(inplace)    (32): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (33): ReLU(inplace)    (34): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))    (35): ReLU(inplace)    (36): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)  )  (avgpool): AdaptiveAvgPool2d(output_size=(7, 7))  (classifier): Sequential(    (0): Linear(in_features=25088, out_features=4096, bias=True)    (1): ReLU(inplace)    (2): Dropout(p=0.5)    (3): Linear(in_features=4096, out_features=4096, bias=True)    (4): ReLU(inplace)    (5): Dropout(p=0.5)    (6): Linear(in_features=4096, out_features=1000, bias=True)  ))

复制代码

注意，直接打印模型是没有办法看到模型结构的，只能看到带模型参数的pth文件内容；需要打印model.model才可以看到模型本身。

神经网络_模型的保存,模型的加载


模型的保存（torch.save）

方式1（模型结构+模型参数）
参数：保存位置

1. # 创建模型
   
2. vgg16 = torchvision.models.vgg16(pretrained=False)
   
3. # 保存方式1——模型结构+模型参数
   
4. torch.save(vgg16, "vgg16_method1.pth")

复制代码

方式2（模型参数）

1. # 保存方式2  模型参数（官方推荐）。保存成字典，只保存网络模型中的一些参数
   
2. torch.save(vgg16.state_dict(), "vgg16_method2.pth")

复制代码

模型的加载（torch.load）

对应保存方式1
参数：模型路径

1. # 方式1 --》 保存方式1
   
2. model1 = torch.load("vgg16_method1.pth")

复制代码

对应保存方式2

1. vgg16.load_state_dict("vgg16_method2.pth")

复制代码

输出为字典形式。若要回复网络，采用以下形式：

1. model2 = torch.load("vgg16_method2.pth")  #输出是字典形式
   
2. # 恢复网络结构
   
3. vgg16 = torchvision.models.vgg16(pretrained=False)
   
4. vgg16.load_state_dict(model2)

复制代码

方式1存储，加载时需注意事项
新建自己的网络：

1. class test(nn.Module):
   
2.     def __init__(self):
   
3.         super(lh, self).__init__()
   
4.         self.conv1 = nn.Conv2d(3, 64, kernel_size=3)
   
5. 
   
6.     def forward(self, x):
   
7.         x = self.conv1(x)
   
8.         return x

复制代码

保存自己的网络：

1. Test = test()
   
2. # 保存自己定义的网络
   
3. torch.save(Test, "Test_method1.pth")

复制代码

加载自己的网络：

1. model3 = torch.load("Test_method1.pth")

复制代码

会报错！！！！！！

解决办法（需要注意）:
将定义的网络复制到加载的python文件中：

1. class test(nn.Module):
   
2.     def __init__(self):
   
3.         super(test, self).__init__()
   
4.         self.conv1 = nn.Conv2d(3, 64, kernel_size=3)
   
5. 
   
6.     def forward(self, x):
   
7.         x = self.conv1(x)
   
8.         return x
   
9. model3 = torch.load("Test_method1.pth")

复制代码

以上为个人经验，希望能给大家一个参考，也希望大家多多支持晓枫资讯。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

澹台雪毓

路过，支持一下

艾燕桦

感谢楼主分享。