サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
大谷翔平
tzmi.hatenablog.com
Pytorchでモデルを学習した後にモデルの学習済み重みパラメータを保存して、別のプログラムで読み込みたい。特にGPUで学習したモデルを、GPUを持たないCPUのみのPCで使いたい場合によくハマるのでメモを残しておく。 GPUで学習してGPUで読み込む 保存方法(GPUで保存) 読み出し方法 GPUで学習してCPUで読み込む 保存方法(CPUで保存) CPUマシンでのGPUモデルの読み出し 保存時はstate_dict()を使う state_dict()と直接保存のサイズ比較 学習済みモデルをCPUのPCで使う方法 モデルのdeviceをGPUからCPUに変更して保存 モデルの読み出し時にdeviceをCPUに指定 読み出しエラーの再現 GPUで学習してGPUで読み込む GPUで学習したモデルを保存して、GPUで読み込む場合は以下のコマンド。 保存方法(GPUで保存) model_path
pythonのバージョンやフォルダの確認、pipのバージョン、pipでインストールできるライブラリのバージョンなどを確認する方法をリストアップしてみる。この記事で確認できるのは以下の情報。 pythonそのもののバージョン pipそのもののバージョン pipでインストールしたライブラリのバージョン pipでインストールできるライブラリのバージョン anacondaでインストールしたライブラリのバージョン anacondaでインストールできるライブラリのバージョン 問題 pythonのバージョンがわからない。pipの現在のバージョンが知りたい、pipでインストール済みのバージョンが知りたい。pip でライブラリをインストールするときバージョン番号のリストがほしい、など。 python pythonのバージョン確認は以下のコマンドできる。Linuxの場合はターミナルで、Windowsの場合は例
Pytorch tensor から numpy ndarray への変換とその逆変換についてまとめる。単純にtorch.from_numpy(x)とx.detach().numpy()を覚えておけばよいので、その使い方を示しておく。 すぐ使いたい場合は以下 numpy to tensor x = torch.from_numpy(x.astype(np.float32)).clone() tensor to numpy x = x.to('cpu').detach().numpy().copy() pytorchでは変数の型としてほとんどtorch.floatを使うので、基本的にはnumpyでnp.float32にキャストしてからtorch tensorへ変換する。また、torch tensor と numpy ndarray はメモリを共有しているようなので、clone()やcopy()
転移学習、スタイル変換、物体検知、セマンティックセグメンテーション、メトリックラーニング、perceptual loss、ゼロショット学習など学習済みモデルの中間層を使いたい場合がよくある。Pytorchで使える学習済みモデルの特徴マップと特徴ベクトルを抽出する方法についてまとめてみる。 特徴マップと特徴ベクトル pytorchで使える学習済みモデル AlexNet 特徴マップ 特徴ベクトル VGG 特徴マップ 特徴ベクトル ResNet, ResNext, WideResNet 特徴マップ 特徴ベクトル SqueezeNet 特徴マップ 特徴ベクトル DenseNet 特徴マップ 特徴ベクトル GoogLeNet 特徴マップ 特徴ベクトル ShuffleNet 特徴マップ 特徴ベクトル MobileNet 特徴マップ 特徴ベクトル MNASNet 特徴マップ 特徴ベクトル まとめていて気
このページを最初にブックマークしてみませんか?
『tzmi.hatenablog.com』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く