机器学习大白话杂谈(3)——Pytorch模型加载问题。

一、模型加载大致分类

Pytorch模型的加载方式支持两种：一种是使用Pytorch自带的模型，另外一种是程序员自己编写的模型。我们慢慢介绍：

一、pytorch官方自带的模型加载

       官方自带的模型封装在torchvision.models类中，在使用时，需要先导出

import torchvision.models as models

       在这个类中，截至pytorch 0.4.1版本的时候，其主要提供的模型有以下几种：（要是几种模型不太清楚的，可以看下我之前的文章：传送门链接）

• AlexNet
• VGG
• ResNet
• SqueezeNet
• DenseNet
• Inception v3

       在这我们使用ResNet18做一个classification为例，来简单介绍Pytorch加载自带的模型

resnet18 = models.resnet18()  #加载模型

        当然，模型中的权值开始全都是随机的，原文：You can construct a model with random weights  by calling its constructor。

    同时Pytorch也提供预训练模式，调用的方法也很简单，只需要在加载模型中，加入以下参数

resnet18 = models.resnet18(pretrained=True) #加载模型，并设为预训练模式

        值得注意的是，当你将模型设置为预训练模式的时候，模型输入的图片最好是经过相同方式归一化的3通道数据，即（3*H*W）H与W至少是224，图像必须被加载到（0，1）的范围内，然后再归一化到mean = [0.485, 0.456, 0.406]且std=                [0.229,0.224,0.225]。可以使用pytorch自带的归一化函数

normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
                                 std=[0.229, 0.224, 0.225])

        Pytorch加载模型后，模型有两个状态，model.train()or   model.eval()

        当你在训练模型的时候，将模型置为model.train()

        当你在测试模型的时候，将模型置为 model.eval()，设置为此种模式的时候，模型内部的权值不会改变.

 

二、自带模型汇总

Alexnet

torchvision.models.alexnet(pretrained=False, **kwargs)

VGG

torchvision.models.vgg11(pretrained=False, **kwargs)

torchvision.models.vgg11_bn(pretrained=False, **kwargs)

torchvision.models.vgg13(pretrained=False, **kwargs)

torchvision.models.vgg13_bn(pretrained=False, **kwargs)

torchvision.models.vgg16(pretrained=False, **kwargs)

torchvision.models.vgg16_bn(pretrained=False, **kwargs)

torchvision.models.vgg19(pretrained=False, **kwargs)

torchvision.models.vgg19_bn(pretrained=False, **kwargs)

ResNet

torchvision.models.resnet18(pretrained=False, **kwargs

torchvision.models.resnet34(pretrained=False, **kwargs)

torchvision.models.resnet50(pretrained=False, **kwargs)

torchvision.models.resnet101(pretrained=False, **kwargs)

torchvision.models.resnet152(pretrained=False, **kwargs)

SqueezeNet

torchvision.models.squeezenet1_0(pretrained=False, **kwargs)

torchvision.models.squeezenet1_1(pretrained=False, **kwargs)

DenseNet

torchvision.models.densenet121(pretrained=False, **kwargs)

torchvision.models.densenet169(pretrained=False, **kwargs)

torchvision.models.densenet161(pretrained=False, **kwargs)

torchvision.models.densenet201(pretrained=False, **kwargs)

Inception v3

torchvision.models.inception_v3(pretrained=False, **kwargs)

下一章打算写模型编写问题，有啥问题可以留言。