U ovom blogu fokus će biti na tome kako dobiti težine sloja modela u PyTorchu.
Koje su težine sloja modela u PyTorchu?
“ Utezi ' i ' Pristranosti ” oba su bitna obilježja modela neuronske mreže. Oba su to parametri koji se mogu naučiti i koji se redovito ažuriraju tijekom petlje vježbanja sa svakim prolazom modela prema naprijed. Za ovo redovno ažuriranje zaslužan je integrirani optimizator kao što je Adam optimizator. Cilj modela neuronske mreže je napraviti točna predviđanja na temelju ulaznih podataka, a težine i pristranosti koriste se za prilagodbu ovih rezultata kako bi se smanjio gubitak.
Kako dobiti težine sloja modela u PyTorchu?
' utezi ' sloja pohranjeni su u rječniku Python i koriste sintaksu ' state_dict() ”. Rječnik se koristi za pozivanje težina pomoću sljedećih koraka:
1. korak: otvorite Colab IDE
Ovaj vodič započet će odabirom IDE-a za projekt. Idite u Suradnju web stranica i započnite ' Nova bilježnica ” za početak rada:
Korak 2: Instalirajte i uvezite biblioteke
Nakon postavljanja Colab bilježnice, ' instalirati ' i ' uvoz ” biblioteke koje pokrivaju sve potrebne funkcionalnosti u projektu:
! pip instalirati gorionikuvoz baklja
uvoz vid baklje. modeli
Gornji kôd radi na sljedeći način:
- ' pip ” program za instaliranje paketa iz pythona koristi se za instalaciju osnovnih “ baklja ” knjižnica.
- Zatim, ' uvoz ” naredba se koristi za uvoz u projekt.
- Na kraju, ' torchvision.modeli ” također se uvozi za dodatnu funkcionalnost modela dubinskog učenja:
Korak 3: Uvezite ResNet model
U ovom vodiču, ' ResNet50 ” Za demonstraciju se koristi model neuronske mreže s 50 slojeva sadržanih u torchvision biblioteci. Uvezite prethodno obučeni model kao što je prikazano:
uzorak_modela = vid baklje. modeli . ozbiljan50 ( unaprijed obučen = Pravi ) 
Korak 4: Definirajte sloj modela
Definirajte naziv sloja modela i upotrijebite ' state_dict() ” za dobivanje njegovih težina kao što je prikazano:
ime_sloja uzorka = 'layer2.0.conv1'težine_sloja uzorka = uzorak_modela. državni_dikt ( ) [ naziv_sloja uzorka + '.težina' ]
ispisati ( 'Težine slojeva: \n ' , težine_sloja uzorka. oblik )
Gornji kôd radi na sljedeći način:
- Drugi zamršeni sloj ResNet50 modela dodijeljen je ' ime_sloja uzorka ” varijabla.
- Onda ' state_dict() ' metoda se koristi s ' uzorak_modela ” varijabli i dodijeljeni su varijabli „ težine_sloja uzorka ” varijabla.
- ' ime_sloja uzorka ' i ' .težina ' dodaju se kao argumenti ' state_dict() ” kako bi se dobile težine.
- Na kraju, upotrijebite ' ispis() ” za prikaz težine slojeva kao izlaza:
Donji rezultat pokazuje da smo dobili težine sloja modela u Pytorchu:
Bilješka : Našoj Colab bilježnici možete pristupiti ovdje veza .
Stručni savjet
Težina sloja modela unutar PyTorcha prikazuje napredak petlje treninga. Ove se težine koriste za utvrđivanje rasta modela dok obrađuje ulazne podatke u izlazne rezultate i predviđanja. Dobivanje težine sloja važno je za procjenu kvalitete rezultata i za provjeru treba li napraviti bilo kakva poboljšanja ili ne.
Uspjeh! Pokazali smo kako dobiti težine sloja PyTorch modela.
Zaključak
Dobijte težine sloja modela u PyTorchu pomoću “state_dict() ” nakon uvoza modela iz torchvisiona ili korištenja prilagođenog. Težine sloja modela su parametri koji se mogu naučiti i koji se stalno ažuriraju tijekom obuke i katalogiziraju njegov napredak. U ovom smo članku pokazali kako uvesti model ResNet50 iz torchvisiona i dobiti težine njegovog drugog zamršenog sloja.