modules()會返回模型中所有模塊的迭代器,它能夠訪問到最內層,比如self.layer1.conv1這個模塊,還有一個與它們相對應的是name_children()屬性以及named_modules(),這兩個不僅會返回模塊的迭代器,還會返回網絡層的名字。
# 取模型中的前兩層 new_model = nn.Sequential(*list(model.children())[:2] # 如果希望提取出模型中的所有卷積層,可以像下面這樣操作: for layer in model.named_modules(): if isinstance(layer[1],nn.Conv2d): conv_model.add_module(layer[0],layer[1])
部分層使用預訓練模型:
model.load_state_dict(torch.load('model.pth'), strict=False)
注意如果保存的模型是 torch.nn.DataParallel,則當前的模型也需要是。
將GPU保存的模型加載到CPU:
model.load_state_dict(torch.load('model.pth', map_location='cpu'))