Ako získať hmotnosti modelovej vrstvy v PyTorch?

Ako Ziskat Hmotnosti Modelovej Vrstvy V Pytorch



Modely neurónovej siete vytvorené v rámci PyTorch sú založené na naučiteľných parametroch vrstiev modelu. Títo ' závažia ” sú kľúčové pri definovaní spracovania vstupných údajov na dosiahnutie výsledkov na výstupe. Každá iterácia modelu aktualizuje existujúce váhy s cieľom zlepšiť kvalitu výstupu a poskytnúť lepšie závery.

V tomto blogu sa zameriame na to, ako získať váhy modelovej vrstvy v PyTorch.

Aké sú hmotnosti modelovej vrstvy v PyTorch?

Závažia “ a „ Predsudky ” sú obe základné funkcie modelov neurónovej siete. Obidva sa dajú naučiť parametre, ktoré sa pravidelne aktualizujú počas tréningovej slučky pri každom prechode modelu dopredu. Táto pravidelná aktualizácia je spôsobená integrovaným optimalizátorom, akým je napríklad optimalizátor Adam. Cieľom modelov neurónových sietí je robiť presné predpovede na základe vstupných údajov a váhy a odchýlky sa používajú na úpravu týchto výsledkov, aby sa minimalizovali straty.







Ako získať hmotnosti modelovej vrstvy v PyTorch?

' závažia “ vrstvy sú uložené v slovníku Pythonu a používajú syntax “ state_dict() “. Slovník sa používa na volanie váh pomocou nasledujúcich krokov:



Krok 1: Otvorte vývojové prostredie Colab

Tento tutoriál začne výberom IDE pre projekt. Prejdite do Colaboratory webovej stránky a začať „ Nový notebook “ začať pracovať:







Krok 2: Nainštalujte a importujte knižnice

Po nastavení zápisníka Colab: „ Inštalácia “ a „ importovať ” knižnice, ktoré pokrývajú všetky požadované funkcie v projekte:

! pip install baterka

importovať fakľa

importovať videnie s pochodňou. modelov

Vyššie uvedený kód funguje nasledovne:



  • ' pip 'Inštalátor balíkov z pythonu sa používa na inštaláciu základných ' fakľa “knižnica.
  • Ďalej, „ importovať ” sa používa na importovanie do projektu.
  • Nakoniec, „ pochodeň.modely ” sa importuje aj pre pridanú funkčnosť modelov hlbokého učenia:

Krok 3: Importujte model ResNet

V tomto návode je „ ResNet50 Na demonštráciu je použitý model neurónovej siete s 50 vrstvami obsiahnutými v knižnici torchvision. Importujte predtrénovaný model podľa obrázka:

vzorový_model = videnie s pochodňou. modelov . vážne50 ( predtrénovaný = Pravda )

Krok 4: Definujte vrstvu modelu

Definujte názov vrstvy modelu a použite „ state_dict() ” metóda na získanie jej hmotností, ako je znázornené:

názov_vrstvy vzorky = 'layer2.0.conv1'

vzorky_váhy_vrstvy = vzorový_model. state_dict ( ) [ sample_layer_name + '.hmotnosť' ]

vytlačiť ( 'Hmotnosti vrstiev: \n ' , vzorky_váhy_vrstvy. tvar )

Vyššie uvedený kód funguje nasledovne:

  • Druhá spletená vrstva modelu ResNet50 je priradená k „ názov_vrstvy vzorky “premenná.
  • Potom ' state_dict() “ metóda sa používa s „ vzorový_model “ a sú priradené k “ vzorky_váhy_vrstvy “premenná.
  • ' názov_vrstvy vzorky “ a „ .hmotnosť “ sa pridávajú ako argumenty pre „ state_dict() ” metóda na získanie váh.
  • Nakoniec použite „ tlačiť () ” metóda na zobrazenie váh vrstiev ako výstup:

Nasledujúci výstup ukazuje, že sme získali váhy modelovej vrstvy v Pytorch:

Poznámka : K nášmu zápisníku Colab môžete pristupovať tu odkaz .

Pro-Tip

Váhy modelovej vrstvy v rámci PyTorch ukazujú priebeh tréningovej slučky. Tieto váhy sa používajú na zistenie rastu modelu pri spracovaní vstupných údajov na výstupné výsledky a predpovede. Získanie hmotností vrstvy je dôležité pri hodnotení kvality výsledkov a pri kontrole, či je potrebné vykonať nejaké zlepšenia alebo nie.

Úspech! Ukázali sme, ako získať hmotnosti vrstvy modelu PyTorch.

Záver

Získajte hmotnosti vrstvy modelu v PyTorch pomocou 'state_dict() ” metódu po importovaní modelu z torchvision alebo použitím vlastného. Váhy modelovej vrstvy sú naučiteľné parametre, ktoré sa počas tréningu neustále aktualizujú a katalogizujú jeho priebeh. V tomto článku sme si ukázali, ako importovať model ResNet50 z torchvision a získať hmotnosti jeho druhej stočenej vrstvy.