从Pytorch模型pth文件中读取参数成numpy矩阵的操作
更新时间:2021年03月04日 14:46:27 作者:木盏
这篇文章主要介绍了从Pytorch模型pth文件中读取参数成numpy矩阵的操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
目的:
把训练好的pth模型参数提取出来,然后用其他方式部署到边缘设备。
Pytorch给了很方便的读取参数接口:
nn.Module.parameters()
直接看demo:
from torchvision.models.alexnet import alexnet model = alexnet(pretrained=True).eval().cuda() parameters = model.parameters() for p in parameters: numpy_para = p.detach().cpu().numpy() print(type(numpy_para)) print(numpy_para.shape)
上面得到的numpy_para就是numpy参数了~
Note:
model.parameters()是以一个生成器的形式迭代返回每一层的参数。所以用for循环读取到各层的参数,循环次数就表示层数。
而每一层的参数都是torch.nn.parameter.Parameter类型,是Tensor的子类,所以直接用tensor转numpy(即p.detach().cpu().numpy())的方法就可以直接转成numpy矩阵。
方便又好用,爆赞~
补充:pytorch训练好的.pth模型转换为.pt
将python训练好的.pth文件转为.pt
import torch import torchvision from unet import UNet model = UNet(3, 2)#自己定义的网络模型 model.load_state_dict(torch.load("best_weights.pth"))#保存的训练模型 model.eval()#切换到eval() example = torch.rand(1, 3, 320, 480)#生成一个随机输入维度的输入 traced_script_module = torch.jit.trace(model, example) traced_script_module.save("model.pt")
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脚本之家。如有错误或未考虑完全的地方,望不吝赐教。
最新评论