如何加载和使用 PyTorch (.pth.tar) 模型

Question

我对 Torch 不是很熟悉，我主要使用 Tensorflow。 但是，我需要使用在 Torch 中重新训练的重新训练的初始模型。 由于为我的特定应用程序重新训练初始模型需要大量计算资源，我想使用已经重新训练的模型。

该模型保存为.pth.tar文件。

我希望能够首先加载这个模型。 到目前为止，我已经能够弄清楚我必须使用以下内容：

model = torch.load('iNat_2018_InceptionV3.pth.tar', map_location='cpu')

这似乎有效，因为print(model)打印出大量数字和其他值，我认为这些值是权重和偏差的值。

在此之后，我需要能够用它对图像进行分类。 我一直无法弄清楚这一点。 我必须如何格式化图像？ 图像是否应该转换为数组？ 在此之后，我必须如何将输入数据传递给网络？

Answer 1

你基本上需要做与张量流相同的事情。 也就是说，当您存储网络时，只会存储参数（即网络中的可训练对象），而不是“胶水”，这就是使用训练模型所需的全部逻辑。 因此，如果您有.pth.tar文件，则可以加载它，从而覆盖已定义模型的参数值。

这意味着保存/加载模型的一般过程如下：

• 编写您的网络定义（即您的nn.Module对象）
• 以您想要的方式训练或以其他方式更改网络的参数
• 使用torch.save保存参数
• 当您想使用该网络时，请使用nn.Module对象的相同定义来首先实例化 pytorch 网络
• 然后使用torch.load覆盖网络参数的值

这是有关如何执行此操作的一些参考资料的讨论： pytorch forums

这是一个超短的 mwe：

# to store
torch.save({
    'state_dict': model.state_dict(),
    'optimizer' : optimizer.state_dict(),
}, 'filename.pth.tar')

# to load
checkpoint = torch.load('filename.pth.tar')
model.load_state_dict(checkpoint['state_dict'])
optimizer.load_state_dict(checkpoint['optimizer'])