把訓練好的pth模型參數(shù)提取出來，然后用其他方式部署到邊緣設備。
nn.Module.parameters()
from torchvision.models.alexnet import alexnet model = alexnet(pretrained=True).eval().cuda() parameters = model.parameters() for p in parameters: numpy_para = p.detach().cpu().numpy() print(type(numpy_para)) print(numpy_para.shape)
上面得到的numpy_para就是numpy參數(shù)了~
Note：
model.parameters()是以一個生成器的形式迭代返回每一層的參數(shù)。所以用for循環(huán)讀取到各層的參數(shù)，循環(huán)次數(shù)就表示層數(shù)。
而每一層的參數(shù)都是torch.nn.parameter.Parameter類型，是Tensor的子類，所以直接用tensor轉numpy（即p.detach().cpu().numpy()）的方法就可以直接轉成numpy矩陣。
方便又好用，爆贊~
補充：pytorch訓練好的.pth模型轉換為.pt
將python訓練好的.pth文件轉為.pt
import torch
import torchvision
from unet import UNet
model = UNet(3, 2)#自己定義的網(wǎng)絡模型
model.load_state_dict(torch.load("best_weights.pth"))#保存的訓練模型
model.eval()#切換到eval（）
example = torch.rand(1, 3, 320, 480)#生成一個隨機輸入維度的輸入
traced_script_module = torch.jit.trace(model, example)
traced_script_module.save("model.pt")
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
標簽：昭通 合肥 淘寶好評回訪 濟源 阜新 隨州 興安盟 信陽
巨人網(wǎng)絡通訊聲明：本文標題《從Pytorch模型pth文件中讀取參數(shù)成numpy矩陣的操作》，本文關鍵詞 從,Pytorch,模型,pth,文件,；如發(fā)現(xiàn)本文內容存在版權問題，煩請?zhí)峁┫嚓P信息告之我們，我們將及時溝通與處理。本站內容系統(tǒng)采集于網(wǎng)絡，涉及言論、版權與本站無關。
