时间戳

首页 > 解决方案 > 如何以 CNN 中使用的类似格式将权重保存在 .npy 文件中？

python - 如何以 CNN 中使用的类似格式将权重保存在 .npy 文件中？

问题描述

我正在使用一个 github 存储库，其中包含经过训练的 CNN，其权重参数在.npy文件中给出。模型正在加载权重并使用如下模型参数：-

model = CNN_Model(batch_size)
filename = "weight_file.npy"
dtype = torch.FloatTensor    
model.load_state_dict(load_weights(model, weight_file, dtype))

并load_weights定义为：-

def load_weights(model, filename, dtype):
    model_params = model.state_dict()
    data_dict = np.load(filename, encoding='latin1').item()
    model_params["conv1.weight"] = torch.from_numpy(data_dict["conv1"] ["weights"]).type(dtype).permute(3,2,0,1)
    model_params["conv1.bias"] = torch.from_numpy(data_dict["conv1"]["biases"]).type(dtype)
    model_params["bn1.weight"] = torch.from_numpy(data_dict["bn_conv1"]["scale"]).type(dtype)
    model_params["bn1.bias"] = torch.from_numpy(data_dict["bn_conv1"]["offset"]).type(dtype)
    return model_params

我已经添加了一个训练模块并尝试微调我自己的数据集的权重。训练后，我想将新的权重保存在与之前加载的权重.npy文件中相同的索引的文件中，这样我就可以再次将它们用于 CNN 模型。data_dict

在使用以下方法保存 data_dict 数组之前，我应该如何使用相似名称进行索引：

np.save("trained_weight_file.npy", data_dict)

编辑 1：- 所以在@ad 的推荐下我做了

data_dict = model.state_dict()

它所做的是它保存了索引为 的所有权重model_params。的输出print data_dict是： -

OrderedDict([('conv1.weight', tensor([[[[....]]]])), ('conv1.bias', tensor([....])), , ('bn1.weight', tensor([....])), ('bn1.bias', tensor([....]))])

但我需要的是存储在data_dict索引中，这样我就可以使用相同的算法从.npy文件中读取它。我也尝试从定义中返回data_dict，然后尝试使用，但它在 `model.load_state_dict(load_weights(model, weight_file, dtype))' 行上给了我错误，即：-model_paramsload_weightsdata_dict = model.state_dict()

回溯（最后一次调用）：model.load_state_dict(load_weights(model, weight_file, dtype)) state_dict = state_dict.copy() AttributeError: 'tuple' object has no attribute 'copy'

标签： pythonpython-2.7numpyconv-neural-networkpytorch

解决方案

我会做类似的事情data_dict = model.state_dict()。

state_dict() 您可以阅读官方文档以及此处的输出示例。有一个github 存储库，它是 github 存储库的基础，您可以从中获取代码。此存储库也用于model.state_dict()存储值。

推荐阅读