optimizer.load_state_dict()
参考链接
import torch
import torch.nn as nn
import torch.nn.functional as F#Define model
class TheModelClass(nn.Module):def __init__(self):super(TheModelClass,self).__init__()self.conv1=nn.Conv2d(3,6,5)self.pool=nn.MaxPool2d(2,2)self.conv2=nn.Conv2d(6,16,5)self.fc1=nn.Linear(16*5*5,120)self.fc2=nn.Linear(120,84)self.fc3=nn.Linear(84,10)def farward(self,x):x=self.pool(F.relu(self.conv1(x)))x=self.pool(F.relu(self.conv2(x)))x=x.view(-1,16*5*5)x=F.relu(self.fc1(x))x=F.relu(self.fc2(x))x=self.fc3(x)return x
# Initialize model
model=TheModelClass()
# Initialize optimizer
optimizer=torch.optim.SGD(model.parameters(),lr=1e-4,momentum=0.9)print("Model's state_dict:")
# Print model's state_dict
for param_tensor in model.state_dict():print(param_tensor,"\t",model.state_dict()[param_tensor].size())
print("optimizer's state_dict:")
# Print optimizer's state_dict
for var_name in optimizer.state_dict():print(var_name,"\t",optimizer.state_dict()[var_name])```
Model's state_dict:
conv1.weight torch.Size([6, 3, 5, 5])
conv1.bias torch.Size([6])
conv2.weight torch.Size([16, 6, 5, 5])
conv2.bias torch.Size([16])
fc1.weight torch.Size([120, 400])
fc1.bias torch.Size([120])
fc2.weight torch.Size([84, 120])
fc2.bias torch.Size([84])
fc3.weight torch.Size([10, 84])
fc3.bias torch.Size([10])
optimizer's state_dict:
state {}
param_groups [{'lr': 0.0001, 'momentum': 0.9, 'dampening': 0, 'weight_decay': 0, 'nesterov': False, 'params': [1310469552240, 1310469552384, 1310469552456, 1310469552528, 1310469552600, 1310469552672, 1310469552744, 1310469552816, 1310469552888, 1310469552960]}]
optimizer.load_state_dict()相关推荐
- 单目标优化:山瞪羚优化算法(Mountain Gazelle Optimizer,MGO)求解CEC2017(提供Matlab代码)
一.山瞪羚优化算法简介 山瞪羚优化算法(Mountain Gazelle Optimizer,MGO)由BenyaminAbdollahzadeh等人于2022年提出,该算法模拟山瞪羚的社会生活和等级 ...
- 灰狼优化算法(Grey Wolf Optimizer,GWO)
灰狼优化算法(Grey Wolf Optimizer,GWO) 一.算法灵感 二.算法介绍 2.1 初始化 2.2 搜寻猎物(探索阶段) 2.3 开发阶段 2.3.1 围捕猎物 2.3.2 攻击猎物 ...
- 单目标优化:火鹰优化算法(Fire Hawk Optimizer,FHO)求解cec2020(提供Matlab代码)
一.火鹰优化算法 火鹰优化算法(Fire Hawk Optimizer,FHO)由Mahdi Azizi等人于2022年提出,该算法性能高效,思路新颖. 参考文献:Azizi, M., Talatah ...
- 改进的大猩猩部队优化算法(Modified Gorilla Troops Optimizer,MGTO)(原文作者)
改进的大猩猩部队优化算法(Modified Gorilla Troops Optimizer,MGTO)(原文作者) 一.算法灵感 二.算法介绍 2. 1 初始化 2. 2 探索阶段 2. 3 开发阶 ...
- 单目标优化:猎豹优化算法(The Cheetah Optimizer,CO)求解cec2020(提供Matlab代码)
一.猎豹优化算法 猎豹优化算法(The Cheetah Optimizer,CO)由MohammadAminAkbari等人于2022年提出,该算法性能高效,思路新颖. 参考文献: Akbari, M ...
- 多目标优化算法:基于非支配排序的蜣螂优化算法(Non-Dominated Sorting Dung beetle optimizer,NSDBO)
蜣螂优化算法(Dung beetle optimizer,DBO)由Jiankai Xue和Bo Shen于2022年提出,该算法主要受蜣螂的滚球.跳舞.觅食.偷窃和繁殖行为的启发所得. 一.蜣螂优化 ...
- 智能优化算法 — 蜣螂优化算法(Dung beetle optimizer,DBO)
引言 小时候,蜣螂还是比较多见的,还顽皮地将粪球给它弄走,或者给它来点障碍.现在放牛的几乎看不到了,蜣螂没东西可推了,也慢慢从我们的视线中消失了. DBO介绍 2022年11月27日,东华大学沈波教授 ...
- 单目标优化:蜣螂优化算法(Dung beetle optimizer,DBO)
蜣螂优化算法(Dung beetle optimizer,DBO)由Jiankai Xue和Bo Shen于2022年提出,该算法主要受蜣螂的滚球.跳舞.觅食.偷窃和繁殖行为的启发所得. 一.蜣螂优化 ...
- 智能优化算法(源码)—蜣螂优化算法(Dung beetle optimizer,DBO)
获取更多资讯,赶快关注上面的公众号吧! 文章目录 启发 数学模型 滚球 跳舞 繁殖 觅食 偷窃 伪代码 2022年11月27日,东华大学沈波教授团队,继麻雀搜索算法之后,又提出了一种全新的群体智能优化 ...
最新文章
- 关于python和anaconda的一些基础认识
- _id 和 ObjectId
- 苹果前置摄像头拍出来是反的怎么调_不用等了!屏下摄像头难攻克,明年还是挖孔屏...
- 看透 Spring MVC 源代码分析与实践 —— 俯视 Spring MVC
- addprefix --Makefile加前缀函数
- VS2010 + OpenCV 2.4.1 环境配置
- 工业计算机改造报告,工业计算机实验报告..docx
- linux无密码ssh,scp,rsync
- 查找文章中出现频率最高的单词
- 简直要吐槽!!enable-migrations fails on x64 Projects
- java判断一个数值是否在数学区间范围内
- 生活中有哪些越早明白越好的道理?
- outlook搜索栏跑到上面去了_南昌搜索引擎seo优化
- 拓端tecdat|R语言使用贝叶斯层次模型进行空间数据分析
- 平台: pSeries AIX 4.3 AIX 5L
- 五人表决器课程设计单片机c语言,基于单片机的五人表决器的设计.doc
- 基于HTML仿华为手机网站电商项目的设计与实现
- 小米8屏幕指纹版(UD) 稳定版miui11刷magisk、太极参考
- 请在微信客户端打开链接
- linux 密码字典生成,Linux下的字典生成工具Crunch 创造自己的专属字典
热门文章
- [BZOJ3236][Ahoi2013]作业(莫队+树状数组)
- 袖珍电子书挑战百度早知道
- Davinci安装部署
- C/C++程序员基础:标准C++概括与总结
- 四元数学习:Quaternion.AngleAxis
- 实施工程师具备的专业技能
- win10中打开cygwin出现崩溃问题
- master - master (non-fast-forward)和git ! [rejected] master - master (fetch first)
- 当战争爆发,信息安全吗?
- clistctrl获取列高 mfc_VC MFC列表视图(CListCtrl)控件