Deep learning 在PyTorch中使用预先训练的权重
我正在PyTorch中完成一篇基于计算机视觉的研究论文。通过参考本文,我构建了模型架构。作者已将保存的权重以“.pth.tar”格式上传到GitHub上。我想在我的模型中加入相同的权重,这样我就可以跳过训练和优化部分,直接从神经网络获得输出 报纸正在学习在黑暗中看东西 模型架构如下所示:Deep learning 在PyTorch中使用预先训练的权重,deep-learning,neural-network,computer-vision,pytorch,Deep Learning,Neural Network,Computer Vision,Pytorch,我正在PyTorch中完成一篇基于计算机视觉的研究论文。通过参考本文,我构建了模型架构。作者已将保存的权重以“.pth.tar”格式上传到GitHub上。我想在我的模型中加入相同的权重,这样我就可以跳过训练和优化部分,直接从神经网络获得输出 报纸正在学习在黑暗中看东西 模型架构如下所示: class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv1d(32, 12, 1)
.
.
def forward(self, x):
x = F.relu(self.conv1(x))
.
.
return x
net = Net()
然后从google drive/云存储导入经过训练的权重,并定义将经过训练的权重放入网络的函数
PS:如果您使用的是google colab,则这两种模型的架构完全相同
#mount drive onto google colab
from google.colab import drive
drive.mount('/content/gdrive')
定义权重的路径
weights_path="/content/gdrive/My Drive/weights.pth"
解压缩tar文件
!tar -xvf weights.pth.tar
将权重加载到模型网络中
net=torch.load(weights_path)
您是否有指向存储库的链接?它可能是一个可以加载的状态记录。我认为它是一个加载状态记录,指向存储库的链接是:这是否回答了您的问题?Hi-risper
tar:这看起来不像tar存档tar:跳到下一个标题tar:由于以前的错误而以失败状态退出
在提取tar文件时收到此错误