torchvision.models._dict_[arch](pretrained=False)与python _dict_ 的关系

之前一直在写面向过程的C代码，转换到Python面向对象了有点不适应，前几天学习pytorch的时候，训练模型使用torchvision.models模块来加载预训练模型，记住了一种调用方法，如下：

model = torchvison.models.__dict__[arch](pretrained=True) //arch是需要加载的预训练模型名，比如‘resnet18’；

由于对python不熟悉，并不知道__dict__是python语言本身的属性，误以为这是torchvison的models模块，继承或者本身的属性。直到今天，我看大佬写的源码，也是同样的调用语句：

model = models.__dict__[arch](pretrained=True)

但是，此处的models，是源码中一个模块而已，和torchvison.models没有任何关系。源码结构是下图这样的，models是大佬自己写的要引入的模块：

至此，我才明白，这种用法是python本身的用法而已。下面就看一下，Python是如何实现这种调用的呢。首先，我查看了一下源文件，发现在model中的init文件并不是空的，里面的内容是如下：

from .resnext import resnext29_8_64, resnext29_16_64
from .resnet import resnet20, resnet32, resnet44, resnet56, resnet110
from .resnet_mod import resnet_mod20, resnet_mod32, resnet_mod44, resnet_mod56, resnet_mod110from .preresnet import preresnet20, preresnet32, preresnet44, preresnet56, preresnet110
from .caffe_cifar import caffe_cifar
from .densenet import densenet100_12# imagenet based resnet
from .imagenet_resnet import resnet18, resnet34, resnet50, resnet101, resnet152
# cifar based resnet
from .resnet import CifarResNet, ResNetBasicblock# cifar based resnet pruned
from .resnet_small import resnet20_small, resnet32_small, resnet44_small, resnet56_small, resnet110_small
# imagenet based resnet pruned
# from .imagenet_resnet_small import resnet18_small, resnet34_small, resnet50_small, resnet101_small, resnet152_small
from .imagenet_resnet_small import resnet18_small, resnet34_small, resnet50_small, resnet101_small, resnet152_smallfrom .vgg_cifar10 import *
from .vgg import *

然后我注意到，此前models._dict_[arch]中的arch，正是其中import的一个函数名。于是我做了一个实验，在没有init的模块中，输出一下其__dict__，代码如下：a= functions.__dict__，此处的function正是上面文件夹截图中的function模块，此时，a的输出如下：

可以从上面截图看到，这个dict中，记录了function模块的一些信息。并没有模块中.py以及.py中函数的记录，联想到之前models模块的init.py代码，继续在function模块中加入一个新的__init__.py,并仿照models中的init代码，写入from .cal_flop import *，（cal_flop是源码中function文件夹下名为cal_flop.py的文件），再debug看a的输出如下：
至此，在a的__dict__的字典中，就出现了init中import的几个函数，此处cal_flop是原.py文件的名字，basic‘’、‘bottle’、‘imagenet_flop’等都是该py文件内定义的函数，此时，如果想调用某个函数，例如，想名为调用imagenet_flop，假如该函数定义是：

def imagenet_flop(layer=18, prune_rate=1):flop = 0if layer == 18:block = [2, 2, 2, 2]conv_in_blcok = 2elif layer == 34:block = [3, 4, 6, 3]conv_in_blcok = 2elif layer == 50:block = [3, 4, 6, 3]conv_in_blcok = 3elif layer == 101:block = [3, 4, 23, 3]conv_in_blcok = 3elif layer == 152:block = [3, 8, 36, 3]conv_in_blcok = 3else:print("wrong layer")channel = [64, 128, 256, 512]width = [56, 28, 14, 7]layer_interval = [conv_in_blcok * i for i in block]layer_index = [sum(layer_interval[:k + 1]) for k in range(0, len(layer_interval))]print(layer_index)if layer in [18, 34]:flop = basic(layer, layer_index, channel, width, prune_rate)elif layer in [50, 101, 152]:flop = bottle(layer, block, channel, width, prune_rate)print('bottle structure')print(flop)return flop

那么使用下面语句就可以：

b= functions.__dict__['imagenet_flop']（18,1）//注意需要用括号

再看看如果没有括号的形式：b= functions.__dict__['imagenet_flop']，这种情况下，如果输出b，则b是一个地址，猜测应该就是函数在内存中的首地址。b的输出如下：

print(b)
<function imagenet_flop at 0x000002D008169400>

ps：有理解不对的地方请多见谅~学习中！！！

学习torchvision.models._dict_相关推荐

No module named ‘torchvision.models.feature_extraction‘
No module named 'torchvision.models.feature_extraction'解决办法解决办法一: 首先有这样几种可能,是因为所用的torch和torch visio ...
使用torchvision.models.inception_v3(pretrained=True)加载预训练的模型每次都特别慢
欢迎大家关注笔者,你的关注是我持续更博的最大动力原创文章,转载告知,盗版必究使用torchvision.models.inception_v3(pretrained=True)加载预训练的模型每次 ...
PyTorch torchvision.models小结
前言 PyTorch框架中有一个非常重要且好用的包:torchvision,该包主要由3个子包组成,分别是: torchvision.datasets torchvision.models torch ...
PyTorch 1.0 中文文档：torchvision.models
译者:BXuan694 models子包定义了以下模型架构: AlexNet VGG ResNet SqueezeNet DenseNet Inception v3 你可以通过调用以下构造函数构造随机 ...
TORCHVISION MODELS
随机weights创建model import torchvision.models as models resnet18 = models.resnet18() alexnet = models.a ...
使用tensorwatchimport pdb import tensorwatch as tw import torchvision.models alexnet_model = torchv可视化
pip install tensorwatch 使用: import pdb import tensorwatch as tw import torchvision.models alexnet_mo ...
PyTorch源码解读之torchvision.models
PyTorch框架中有一个非常重要且好用的包:torchvision,该包主要由3个子包组成,分别是:torchvision.datasets.torchvision.models.torchvisi ...
使用torchvision.models
调用torchvision.models torchvision地址 torchvision有一些可以使用的模型可以直接导入 PyTorch框架中有一个非常重要且好用的包:torchvision,该包 ...
pytorch torchvision.models
torchvision.models 模型子包包含以下模型体系结构的定义: 目录 torchvision.models Alexnet VGG ResNet SqueezeNet DenseNet I ...

学习torchvision.models._dict_

torchvision.models._dict_[arch](pretrained=False)与python _dict_ 的关系

学习torchvision.models._dict_相关推荐

最新文章

热门文章