Pytorch加载torchvision从本地下载好的预训练模型的简单解决方案

已于 2024-07-26 10:21:44 修改
阅读量1.5w 收藏 9
点赞数 12
分类专栏： Python基础课程 文章标签： python 深度学习 pytorch
于 2022-11-21 09:45:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43178406/article/details/127925751
版权

  大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。

  本文主要介绍了Pytorch加载torchvision从本地下载好的预训练模型的简单解决方案，希望能对大家有所帮助。

  之所以从本地加载下载好的模型，是因为默认是从https://download.pytorch.org/models/路径进行下载，但是它并不支持断点续传，而且单线程下载速度很慢，所以要么出现RemoteDisconnected: Remote end closed connection without response如下图所示，要么出现半途下载中断的情况。但遗憾的是网上已有的解决方案是让修改源码，但这种方案非常不优雅。个人找到了比较简单而且有效的解决方案，特意分享给大家，希望能对大家有所帮助。

文章目录

1. 问题描述

  在Pytorch深度学习框架中，使用torchvision.model加载预训练好的模型时，发现默认下载路径在系统盘下面的用户目录下，如果是Windows系统，那么下载路径为C:\用户名.cache\torch.checkpoints下，如果是Linux系统，那么下载路径为/root/.cache/tor

了解本专栏 订阅专栏 解锁全文
Pytorch加载本地预训练模型的简单实现方法
带你成为别人眼中的大佬！
06-17 1577
而这些模型通常都由torchvision提供，并提供了一个方便的方式将这些模型直接下载到本地使用。总之，这是一个简单而直接的方法，可帮助您加载和使用本地的预训练模型。当然，torchvision提供的方法仍然是最方便的，但是如果需要手动下载和加载模型，这些代码示例将会非常实用。不过，在某些情况下，我们可能需要手动下载这些模型并将它们加载到我们的代码中。在这个例子中，我们定义了一个自定义模型（在这种情况下是ResNet-50），并将在上一步中下载的参数加载到模型中。
使用PyTorch加载已下载的预训练模型的简单解决方案
code_welike的博客
09-05 606
torchvision提供了一系列预训练的模型，例如ResNet、VGG等，这些模型经过在大型数据集上的训练，可以用于各种计算机视觉任务。本文将介绍如何从本地加载已下载好的预训练模型，并提供相应的源代码示例。综上所述，我们已经介绍了使用PyTorch加载已下载的预训练模型的简单解决方案。通过按照上述步骤创建模型实例、加载权重和进行推理，您可以轻松地在自己的计算机上使用已下载的预训练模型进行计算机视觉任务。模块中的函数来创建预训练模型的实例。要加载已下载好的预训练模型的权重，我们需要使用。
pytorch 加载预训练模型
不如去睡觉
03-16 1204
pytorch的torchvision中给出了很多经典的预训练模型，模型的参数和权重都是在ImageNet数据集上训练好的 加载模型 方法一：直接使用预训练模型中的参数 import torchvision.models as models model = models.resnet18(pretrained = True) #pretrained设为True，表示使用在ImageNet上训练好的参数 方法二：使用本地磁盘上的参数（直接下载的pth文件或者是在自己数据集上训练好的参数） import to
pytorch-模型的加载，迁移学习，保存
最新发布
qq_62585870的博客
02-27 1911
代码的主要目的是加载预训练的 VGG16 模型，并修改其分类器部分以适配 CIFAR-10 数据集。修改后的模型可以直接用于 CIFAR-10 的分类任务，而无需重新训练整个 VGG16 模型。这段代码展示了两种不同的模型加载方式，并打印了模型的结构。
pytorch加载预训练模型
Abraham Ben
09-29 1204
1. 查看所有module model.modules()以深度优先遍历的方式，存储了net的所有模块，包括net itself,net's children, children of net's children。即model.children()只包括网络模块的第一代儿子模块，而model.modules()包含网络模块的自己本身和所有后代模块。 model.modules()和model.named_modules()内部采用yield关键字，得到生成器。当外部迭代调用net.named_module
pytorch的torchvision直接加载本地预训练模型，不从网络下载
joyopirate的博客
07-22 3703
参考： https://blog.csdn.net/thiefun2020/article/details/108592916 在使用torchvision的模型时，一般第一次使用都需要从网络下载模型。但是要是网络较慢，而且我自己有了这个预训练模型（从别人的电脑拷贝的），那就直接加载就行。 一般来说只要设置pretrained=False就可以了，但是对于一些有backbond的模型，还需要把backbone的pretrained=False。 然后加载模型就行（backbond的模型权重一并包含在里面了）
【Pytorch】本地预训练模型加载
littlemichelle
11-26 1601
1、预训练模型加载 【Pytorch】快速下载预训练模型并修改保存路径 最最最重要的是要将pretrained=False，如果是Ture的话，还是会去官方定义的路径下载pth。
resnet101预训练模型.zip（pytorch版本）
08-02
总的来说，ResNet101预训练模型在PyTorch中的使用极大地简化了深度学习模型的开发流程，使得开发者可以快速地在各种计算机视觉任务上实现高性能的解决方案。无论是图像分类、目标检测、语义分割还是其他相关任务，都...
【Pytorch】加载torchvision中预训练好的模型并修改默认下载路径（使用models.__dict__[model_name]()读取）
热门推荐
ProLover98的博客
03-11 1万+
说明 使用torchvision.model加载预训练好的模型时，发现默认下载路径在系统盘下面的用户目录下（这个你执行的时候就会发现），即C:\用户名\.cache\torch\.checkpoints下，便于统一管理，我决定修改model的存放路径，在网上找了很久都没有很好的解决方法，只能自己尝试，现将解决方案给出，供大家参考~ 操作环境 windows10 + Anaconda torch:...
Linux系统安装pytorch和torchvision：torch1.8.0+torchvision0.9.0
04-27
在使用PyTorch进行深度学习时，torchvision库提供了许多预训练模型，如AlexNet、VGG、ResNet等，以及广泛使用的数据集如CIFAR-10和ImageNet的加载工具。例如，加载CIFAR-10数据集： ```python import torchvision....
pytorch实现从本地加载 .pth 格式模型
12-20
可以从官网加载预训练好的模型： import torchvision.models as models model = models.vgg16(pretrained = True) print(model) 但是经常会出现因为下载速度太慢而出现requests.exceptions.ConnectionError: (‘Connection aborted.’, TimeoutError(10060, ‘由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。’, None, 10060, None))这种错误，因此需要我们手动去下载 .pth 文件（百度云也很慢，如果你是S
Pytorch加载部分预训练模型的参数实例
09-18
今天小编就为大家分享一篇Pytorch加载部分预训练模型的参数实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Python-pytorch中的基础预训练模型和数据集
08-11
pytorch中的基础预训练模型和数据集 (MNIST, SVHN, CIFAR10, CIFAR100, STL10, AlexNet, VGG16, VGG19, ResNet, Inception, SqueezeNet)
预训练模型加载
qq_37149304的博客
06-15 1126
作为小白，赶上手时遇到上述问题，看了博客很多解决方案是将model.load_state_dict(state_dict),改为model.load_state_dict(state_dict,False).是能成功加载，但是会不会存在训练是键值匹配混乱问题，导致训练的结果不乐观。2.因为针对的不同的学习任务,需要修改head中的num_classes为自己要训练的类数。反思一下遇到问题没有认真debug，如果一步一步排错，可能会更好，或许是别的原因。对应的加载方式，读取时需要先搭建模型。
PyTorch实战：加载本地预训练模型的简单实现方法
目标检测专栏持续更新中，改进YOLO系列通用，适用v5、v7、v8、所有博客均是团队原创博客，所有文章禁止转载，违者必究。
09-25 600
预训练模型通常指在大规模数据集上进行预先训练的深度学习模型。这些模型通过在庞大的数据集上进行训练，可以学习到丰富的特征表示。预训练模型的优点是可以节省大量的计算资源和时间，同时具备强大的泛化能力。利用预训练模型，我们可以在各种任务上进行微调，从而加速模型的训练过程。本文介绍了如何使用PyTorch加载本地预训练模型，并提供了详细的实现步骤和示例代码。加载预训练模型可以加速模型训练过程，提供更强大的特征表示能力和泛化能力。希望本文对读者在实际应用中加载预训练模型提供了一定的指导和帮助。
pytorch加载预训练模型（只加载到特征提取）
思维缜密的博客
03-24 839
【代码】pytorch加载预训练模型（只加载到特征提取）
【Pytorch 第一讲】 如何加载预训练模型
挪威的深林的博客
01-25 1567
导入 PyTorch# 初始化你的模型# 加载预训练权重# 或者当完成这个加载以后， 可以考虑打开 checkpoint , 看看该模型保存时，包含哪些dict keys.结果： dict_keys(['epoch', 'arch', 'state_dict',根据上面的 state_dict， 可以接下来用来将权重赋予模型Model# 将权重赋值给模型。
Pytorch预训练模型加载
qq_42262610的博客
11-26 3725
pytorch中自带几种常用的深度学习网络预训练模型，torchvision.models包中包含alexnet、densenet、inception、resnet、squeezenet、vgg等常用网络结构，并且提供了预训练模型，可通过调用来读取网络结构和预训练模型（模型参数）。往往为了加快学习进度，训练的初期直接加载pretrain模型中预先训练好的参数。加载model如下所示： import torchvision.models as models 1.加载网络结构和预训练参数：resnet34
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱编程的喵喵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值