欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

PyTorch快速搭建神經(jīng)網(wǎng)絡(luò)及其保存提取方法詳解

 更新時間:2018年04月28日 10:39:45   作者:marsjhao  
本篇文章主要介紹了PyTorch快速搭建神經(jīng)網(wǎng)絡(luò)及其保存提取方法詳解,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧

有時候我們訓(xùn)練了一個模型, 希望保存它下次直接使用,不需要下次再花時間去訓(xùn)練 ,本節(jié)我們來講解一下PyTorch快速搭建神經(jīng)網(wǎng)絡(luò)及其保存提取方法詳解

一、PyTorch快速搭建神經(jīng)網(wǎng)絡(luò)方法

先看實驗代碼:

import torch 
import torch.nn.functional as F 
 
# 方法1,通過定義一個Net類來建立神經(jīng)網(wǎng)絡(luò) 
class Net(torch.nn.Module): 
  def __init__(self, n_feature, n_hidden, n_output): 
    super(Net, self).__init__() 
    self.hidden = torch.nn.Linear(n_feature, n_hidden) 
    self.predict = torch.nn.Linear(n_hidden, n_output) 
 
  def forward(self, x): 
    x = F.relu(self.hidden(x)) 
    x = self.predict(x) 
    return x 
 
net1 = Net(2, 10, 2) 
print('方法1:\n', net1) 
 
# 方法2 通過torch.nn.Sequential快速建立神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 
net2 = torch.nn.Sequential( 
  torch.nn.Linear(2, 10), 
  torch.nn.ReLU(), 
  torch.nn.Linear(10, 2), 
  ) 
print('方法2:\n', net2) 
# 經(jīng)驗證,兩種方法構(gòu)建的神經(jīng)網(wǎng)絡(luò)功能相同,結(jié)構(gòu)細節(jié)稍有不同 
 
''''' 
方法1: 
 Net ( 
 (hidden): Linear (2 -> 10) 
 (predict): Linear (10 -> 2) 
) 
方法2: 
 Sequential ( 
 (0): Linear (2 -> 10) 
 (1): ReLU () 
 (2): Linear (10 -> 2) 
) 
''' 

先前學(xué)習了通過定義一個Net類來構(gòu)建神經(jīng)網(wǎng)絡(luò)的方法,classNet中首先通過super函數(shù)繼承torch.nn.Module模塊的構(gòu)造方法,再通過添加屬性的方式搭建神經(jīng)網(wǎng)絡(luò)各層的結(jié)構(gòu)信息,在forward方法中完善神經(jīng)網(wǎng)絡(luò)各層之間的連接信息,然后再通過定義Net類對象的方式完成對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建。

構(gòu)建神經(jīng)網(wǎng)絡(luò)的另一個方法,也可以說是快速構(gòu)建方法,就是通過torch.nn.Sequential,直接完成對神經(jīng)網(wǎng)絡(luò)的建立。

兩種方法構(gòu)建得到的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)完全相同,都可以通過print函數(shù)來打印輸出網(wǎng)絡(luò)信息,不過打印結(jié)果會有些許不同。

二、PyTorch的神經(jīng)網(wǎng)絡(luò)保存和提取

在學(xué)習和研究深度學(xué)習的時候,當我們通過一定時間的訓(xùn)練,得到了一個比較好的模型的時候,我們當然希望將這個模型及模型參數(shù)保存下來,以備后用,所以神經(jīng)網(wǎng)絡(luò)的保存和模型參數(shù)提取重載是很有必要的。

首先,我們需要在需要保存網(wǎng)路結(jié)構(gòu)及其模型參數(shù)的神經(jīng)網(wǎng)絡(luò)的定義、訓(xùn)練部分之后通過torch.save()實現(xiàn)對網(wǎng)絡(luò)結(jié)構(gòu)和模型參數(shù)的保存。有兩種保存方式:一是保存年整個神經(jīng)網(wǎng)絡(luò)的的結(jié)構(gòu)信息和模型參數(shù)信息,save的對象是網(wǎng)絡(luò)net;二是只保存神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模型參數(shù),save的對象是net.state_dict(),保存結(jié)果都以.pkl文件形式存儲。

對應(yīng)上面兩種保存方式,重載方式也有兩種。對應(yīng)第一種完整網(wǎng)絡(luò)結(jié)構(gòu)信息,重載的時候通過torch.load(‘.pkl')直接初始化新的神經(jīng)網(wǎng)絡(luò)對象即可。對應(yīng)第二種只保存模型參數(shù)信息,需要首先搭建相同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),通過net.load_state_dict(torch.load('.pkl'))完成模型參數(shù)的重載。在網(wǎng)絡(luò)比較大的時候,第一種方法會花費較多的時間。

代碼實現(xiàn):

import torch 
from torch.autograd import Variable 
import matplotlib.pyplot as plt 
 
torch.manual_seed(1) # 設(shè)定隨機數(shù)種子 
 
# 創(chuàng)建數(shù)據(jù) 
x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) 
y = x.pow(2) + 0.2*torch.rand(x.size()) 
x, y = Variable(x, requires_grad=False), Variable(y, requires_grad=False) 
 
# 將待保存的神經(jīng)網(wǎng)絡(luò)定義在一個函數(shù)中 
def save(): 
  # 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 
  net1 = torch.nn.Sequential( 
    torch.nn.Linear(1, 10), 
    torch.nn.ReLU(), 
    torch.nn.Linear(10, 1), 
    ) 
  optimizer = torch.optim.SGD(net1.parameters(), lr=0.5) 
  loss_function = torch.nn.MSELoss() 
 
  # 訓(xùn)練部分 
  for i in range(300): 
    prediction = net1(x) 
    loss = loss_function(prediction, y) 
    optimizer.zero_grad() 
    loss.backward() 
    optimizer.step() 
 
  # 繪圖部分 
  plt.figure(1, figsize=(10, 3)) 
  plt.subplot(131) 
  plt.title('net1') 
  plt.scatter(x.data.numpy(), y.data.numpy()) 
  plt.plot(x.data.numpy(), prediction.data.numpy(), 'r-', lw=5) 
 
  # 保存神經(jīng)網(wǎng)絡(luò) 
  torch.save(net1, '7-net.pkl')           # 保存整個神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和模型參數(shù) 
  torch.save(net1.state_dict(), '7-net_params.pkl') # 只保存神經(jīng)網(wǎng)絡(luò)的模型參數(shù) 
 
# 載入整個神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及其模型參數(shù) 
def reload_net(): 
  net2 = torch.load('7-net.pkl') 
  prediction = net2(x) 
 
  plt.subplot(132) 
  plt.title('net2') 
  plt.scatter(x.data.numpy(), y.data.numpy()) 
  plt.plot(x.data.numpy(), prediction.data.numpy(), 'r-', lw=5) 
 
# 只載入神經(jīng)網(wǎng)絡(luò)的模型參數(shù),神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)需要與保存的神經(jīng)網(wǎng)絡(luò)相同的結(jié)構(gòu) 
def reload_params(): 
  # 首先搭建相同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 
  net3 = torch.nn.Sequential( 
    torch.nn.Linear(1, 10), 
    torch.nn.ReLU(), 
    torch.nn.Linear(10, 1), 
    ) 
 
  # 載入神經(jīng)網(wǎng)絡(luò)的模型參數(shù) 
  net3.load_state_dict(torch.load('7-net_params.pkl')) 
  prediction = net3(x) 
 
  plt.subplot(133) 
  plt.title('net3') 
  plt.scatter(x.data.numpy(), y.data.numpy()) 
  plt.plot(x.data.numpy(), prediction.data.numpy(), 'r-', lw=5) 
 
# 運行測試 
save() 
reload_net() 
reload_params() 

實驗結(jié)果:

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python + Requests + Unittest接口自動化測試實例分析

    Python + Requests + Unittest接口自動化測試實例分析

    這篇文章主要介紹了Python + Requests + Unittest接口自動化測試,結(jié)合具體實例形式分析了Python使用Requests與Unittest模塊實現(xiàn)接口自動化測試相關(guān)操作技巧,需要的朋友可以參考下
    2019-12-12
  • Python lambda表達式用法實例分析

    Python lambda表達式用法實例分析

    這篇文章主要介紹了Python lambda表達式用法,結(jié)合實例形式分析了lambda表達式的具體功能、應(yīng)用場景及相關(guān)使用技巧,需要的朋友可以參考下
    2018-12-12
  • python?tornado協(xié)程調(diào)度原理示例解析

    python?tornado協(xié)程調(diào)度原理示例解析

    這篇文章主要為大家介紹了python?tornado協(xié)程調(diào)度原理示例解析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2023-09-09
  • 解決jupyter notebook圖片顯示模糊和保存清晰圖片的操作

    解決jupyter notebook圖片顯示模糊和保存清晰圖片的操作

    這篇文章主要介紹了解決jupyter notebook圖片顯示模糊和保存清晰圖片的操作方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-04-04
  • Python中if語句的基本格式實例代碼

    Python中if語句的基本格式實例代碼

    在Python中,if語句用于根據(jù)條件執(zhí)行不同的代碼塊。本文詳細介紹了Python中if語句的基本格式使用方法及實例代碼,有需要的同學(xué)可以參考閱讀
    2023-05-05
  • Linux上安裝Python的PIL和Pillow庫處理圖片的實例教程

    Linux上安裝Python的PIL和Pillow庫處理圖片的實例教程

    這里我們來看一下在Linux上安裝Python的PIL和Pillow庫處理圖片的實例教程,包括一個使用Pillow庫實現(xiàn)批量轉(zhuǎn)換圖片的例子:
    2016-06-06
  • Python 獲取ftp服務(wù)器文件時間的方法

    Python 獲取ftp服務(wù)器文件時間的方法

    今天小編就為大家分享一篇Python 獲取ftp服務(wù)器文件時間的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-07-07
  • Python 實例進階之預(yù)測房價走勢

    Python 實例進階之預(yù)測房價走勢

    買房應(yīng)該是大多數(shù)都會要面臨的一個選擇,當前經(jīng)濟和政策背景下,未來房價會漲還是跌?這是很多人都關(guān)心的一個話題。今天分享的這篇文章,以波士頓的房地產(chǎn)市場為例,根據(jù)低收入人群比例、老師學(xué)生數(shù)量等特征,利用 Python 進行了預(yù)測,給大家做一個參考
    2021-11-11
  • 使用matplotlib繪制圖例標簽中帶有公式的圖

    使用matplotlib繪制圖例標簽中帶有公式的圖

    今天小編就為大家分享一篇使用matplotlib繪制圖例標簽中帶有公式的圖,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-12-12
  • python TCP包注入方式

    python TCP包注入方式

    這篇文章主要介紹了python TCP包注入方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05

最新評論