pytorch转为onnx格式，以及加载模型的params和GFLOPs方法

pytorch转为onnx格式：

def Torch2Onnx(model,input_size,output_name,istrained=True):''':param: model:param: input_size .e.t. (244,244):param: output_name .e.t. "test_output":param: if convert a trained model or not. default: True'''x = Variable(torch.randn(1,3,input_size[0],input_size[1])).cuda()if istrained:torch_out = torch.onnx.export(model,x,output_name,verbose=True)else:torch_out = torch.onnx.export(model,x,output_name,export_params=False,verbose=True) # Only export a untrained model.

使用举例：

model = model()
model.load_state_dict(torch.load(weight_path))
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)
input_size = (384,288)
Torch2Onnx(model,input_size,"test.onnx")

获取model中的params：

请注意：不同的方法默认model在cpu还是在cuda上是不一样的，如果出现类似RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same的报错，请检查weight是否应该在cuda上。

方法一：使用torchsummary

使用pip安装torchsummary：
pip install torchsummary

代码片段：

from torchsummary import summary
model = model()
model.load_state_dict(torch.load(weight_path))
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)
summary(model,(3,384,288))

方法二：使用torchstat

使用pip安装torchstat：
pip install torchstat

代码片段（和summary差不多）

from torchstat import statmodel = model()model.load_state_dict(torch.load(weight_path))device = torch.device("cuda" if torch.cuda.is_available() else "cpu")stat(model,(3,384,288))

方法三：使用thop（不太推荐）

使用pip安装thop：
pip install thop

代码片段：

from thop import profile,clever_format
model = model()model.load_state_dict(torch.load(weight_path))device = torch.device("cuda" if torch.cuda.is_available() else "cpu")flops, params = profile(model,inputs=())flops,params = clever_format(flops,params,"%.3f")

pytorch转为onnx格式，以及加载模型的params和GFLOPs方法相关推荐

mxnet加载模型的params和json文件来预测
导读有时候我们在使用别人的mxnet预训练模型时,会有两个文件params和json文件,其中params文件中包含的是模型的网络参数,json文件包含的是网络的结构.这里我们以ImageNet的预 ...
Pytorch加载模型并进行图像分类预测
目录 1. 整体流程 1)实例化模型 2)加载模型 3)输入图像 4)输出分类结果 5)完整代码 2. 处理图像 1) How can i convert an RGB image into gray ...
PyTorch加载模型model.load_state_dict()问题，Unexpected key(s) in state_dict: “module.features..，Expected .
希望将训练好的模型加载到新的网络上.如上面题目所描述的,PyTorch在加载之前保存的模型参数的时候,遇到了问题. Unexpected key(s) in state_dict: "mod ...
PyTorch 保存模型结构参数及加载模型
PyTorch 保存模型结构参数及加载模型保存模型与加载保存模型分为两种方式: 保存整个网络结构和参数保存整个网络的参数 # 1.保存并加载整个网络结构和参数 # 保存模型 torch.save ...
pytorch 保存、加载模型
一般保存为.pt格式,保存模型使用: torch.save(model, '保存位置') 加载模型使用: model_load = torch.load('加载模型的位置') 完整代码 import ...
Pytorch加载模型只导入部分层权重，即跳过指定网络层的方法
需求 Pytorch加载模型时,只导入部分层权重,跳过部分指定网络层.(权重文件存储为dict形式) 方法一常见方法:加载权重时用if对网络层进行筛选 ''' # model为定义的网络结构: cl ...
pytorch model.to(device) 加载模型特别慢
问题:pytorch model.to(device) 加载模型特别慢解决方案:卸载掉conda安装的pytorch 采用pytorch官网的pip指令下载方式.
pytorch加载模型报错Unexpected key(s) in state_dict: module.conv1.weight, module.bn1
文章目录背景报错原因解决背景 Pytorch在加载模型参数的时候,有两种情况可能出现这种问题: 自己写的网络结构,例如: 代码 import models arch = 'resnet50' ...
Pytorch网络模型权重初始化、保存与加载模型、加载预训练模型、按需设置学习率
前言在我们对神经网络模型进行训练时,往往需要对模型进行初始化或者加载预训练模型.本文将对模型的权重初始化与加载预训练模型做一个学习记录,以便后续查询使用. 权重初始化常见的初始化方法 PyTorc ...
pytorch加载模型时出现.....ckpt_100.pth is a zip archive (did you mean to use torch.jit.load()?)
在测试加载训练好的模型时出现上方问题,参考这篇文章,原因是训练和测试的torch版本不一致. 训练的时候是1.6,测试的时候是1.2,因此需要先在1.6版本下加载模型,重新保存,在保存的时候设置use ...

pytorch转为onnx格式，以及加载模型的params和GFLOPs方法

pytorch转为onnx格式：

获取model中的params：

方法一：使用torchsummary

方法二：使用torchstat

方法三：使用thop（不太推荐）

pytorch转为onnx格式，以及加载模型的params和GFLOPs方法相关推荐

最新文章

热门文章