pytorch框架快速测试你的模型结构是否存在问题并得到输出形状

ps：这两天很郁闷把模型改了之后，代码一跑起来就把电脑卡死了。我就尝试看看我写的模型有没有错。就在模型后面加了如下代码：

#测试模型的代码
def FPN():return Net()
def test():from torch.autograd import Variablenet = FPN()fms = net(Variable(torch.randn(4, 1, 128, 128, 128)))for fm in fms:print(fm.size())
test()

Net()是我整个模型,可已得到结果如下：

(4L, 8L, 8L, 8L, 3L, 5L)
(4L, 16L, 16L, 16L, 3L, 5L)
(4L, 32L, 32L, 32L, 3L, 5L)

但是卡了将近20分钟左右，有点崩溃，

后来是不管加入指定GPU：

import os
os.environ['CUDA_VISIBLE_DEVICES']='0'

还是自动获取GPU：

def getFreeId():import pynvmlpynvml.nvmlInit()def getFreeRatio(id):handle = pynvml.nvmlDeviceGetHandleByIndex(id)use = pynvml.nvmlDeviceGetUtilizationRates(handle)ratio = 0.5*(float(use.gpu+float(use.memory)))return ratiodeviceCount = pynvml.nvmlDeviceGetCount()available = []for i in range(deviceCount):if getFreeRatio(i)<70:available.append(i)gpus = ''for g in available:gpus = gpus+str(g)+','gpus = gpus[:-1]return gpus
def setgpu(gpuinput):freeids = getFreeId()if gpuinput=='all':gpus = freeidselse:gpus = gpuinputif any([g not in freeids for g in gpus.split(',')]):raise ValueError('gpu'+g+'is being used')print('using gpu '+gpus)os.environ['CUDA_VISIBLE_DEVICES']=gpusreturn len(gpus.split(','))
n_gpu = setgpu('all')

都不行。后来一琢磨是不是还要指定变量放入GPU和模型也放入GPU，然后上网一查果然是这样的。然后把测试代码改成如下：

#测试模型的代码
def FPN():return Net()
def test():from torch.autograd import Variablenet = FPN()net.cuda()fms = net(Variable(torch.randn(4, 1, 128, 128, 128).cuda(async=True)))for fm in fms:print(fm.size())
import os
os.environ['CUDA_VISIBLE_DEVICES']='0'
test()

(4L, 8L, 8L, 8L, 3L, 5L)
(4L, 16L, 16L, 16L, 3L, 5L)
(4L, 32L, 32L, 32L, 3L, 5L)

瞬间完成有了结果。

这问题是解决了，但是代码运行我的模型还是会卡死。

pytorch框架快速测试你的模型结构是否存在问题并得到输出形状相关推荐

使用Pytorch框架自己制作做数据集进行图像分类（一）
第一章:Pytorch制作自己的数据集实现图像分类第一章: Pytorch框架制作自己的数据集实现图像分类第二章: Pytorch框架构建残差神经网络(ResNet) 第三章: Pytorch框架 ...
【视频课】快速掌握6大模型部署框架(Pytorch+NCNN+MNN+Tengine+TensorRT+微信小程序)！...
前言欢迎大家关注有三AI的视频课程系列,我们的视频课程系列共分为5层境界,内容和学习路线图如下: 第1层:掌握学习算法必要的预备知识,包括Python编程,深度学习基础,数据使用,框架使用. 第2层 ...
Facebook 万字长文：AI 模型全部迁移至 PyTorch 框架
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达转自 | 新智元来源 | Facebook AI Blog 编辑 ...
Facebook万字长文：AI模型全部迁移至PyTorch框架
来源:新智元本文约3800字,建议阅读8分钟PyTorch 占领 Facebook. [ 导读 ] 2017年,PyTorch诞生,成为当下最流行的深度学习框架.近日,Facebook宣布让PyTor ...
PyTorch框架学习二十——模型微调（Finetune）
PyTorch框架学习二十--模型微调(Finetune) 一.Transfer Learning:迁移学习二.Model Finetune:模型的迁移学习三.看个例子:用ResNet18预训练模 ...
升级！ Facebook 模型全部迁移至 PyTorch 框架
点上方计算机视觉联盟获取更多干货仅作学术分享,不代表本公众号立场,侵权联系删除转载于:新智元 AI博士笔记系列推荐周志华<机器学习>手推笔记正式开源!可打印版本附pdf下载链接 Py ...
caffe安装_【开源框架】caffe图像分类从模型自定义到测试
这一次我们讲讲 Caffe 这个主流的开源框架,从训练到测试出结果的全流程. 到此,我必须假设大家已经有了深度学习的基础知识并了解卷积网络的工作原理. 相关的代码.数据都在我们 Git 上,希望大家 ...
Facebook万字长文：AI模型将全部迁移至PyTorch框架
来源:新智元 PyTorch自2017年推出以来,就迅速占领GitHub热度榜榜首,一度有赶超Tensorflow的趋势. 这是一个开源的Python机器学习库,基于Torch,底层由C++实现. 近 ...
AI模型工业部署：综述【常用的部署框架：TensorRT、Libtorch】【常见提速方法：模型结构、剪枝、蒸馏、量化训练、稀疏化】【常见部署流程：onnx2trt】【常见服务部署搭配】
作为深度学习算法工程师,训练模型和部署模型是最基本的要求,每天都在重复着这个工作,但偶尔静下心来想一想,还是有很多事情需要做的: 模型的结构,因为上线业务需要,更趋向于稳定有经验的,而不是探索一些新的 ...

pytorch框架快速测试你的模型结构是否存在问题并得到输出形状

pytorch框架快速测试你的模型结构是否存在问题并得到输出形状相关推荐

最新文章

热门文章