​


目录

​​第1章 torchvision与预训练模型的自动下载​​

​​第2章 预训练模型的手工下载​​

​​第3章 网络介绍​​

​​第4章 前置条件：系统库的导入​​

​​第5章 预训练模型的导入​​

​​5.1 模型的创建​​

​​5.2 模型参数的导入​​

​​5.3 模型参数的应用​​

​​5.4 模型的简单测试​​


第1章 torchvision与预训练模型的自动下载

 ​

第2章 预训练模型的手工下载

 ​

第3章 网络介绍

 ​

第4章 前置条件：系统库的导入

import torch                           # torch基础库
import torchvision.models as models    # torchvision模型库

print("Hello World")
print(torch.__version__)
print(torch.cuda.is_available())

第5章 预训练模型的导入

5.1 模型的创建

## 创建模型
net = models.resnet101() 
print(net)

5.2 模型参数的导入

##导入模型参数
net_params_path = "models/resnet101.pth"

net_params = torch.load(model_params_path)
print(net_params)

5.3 模型参数的应用

# 把加载的参数应用到模型中
net.load_state_dict(net_params)
print(net)

5.4 模型的简单测试

（1）测试1

print("定义测试数据")
input = torch.randn(1, 3, 224, 224)
print("input shape = ", input.shape)


output = net(input)
print("output shape = ", output.shape)

定义测试数据
input shape =  torch.Size([1, 3, 224, 224])
output shape =  torch.Size([1, 1000])

（2）测试2：

print("定义测试数据")
input = torch.randn(1, 3, 224, 224)
print("input shape = ", input.shape)


output = net(input)
print("output shape = ", output.shape)

定义测试数据
input shape =  torch.Size([1, 3, 224, 224])
output shape =  torch.Size([1, 1000])

此时，可以使用该模型对图片进行预测了！！！