pytorch 中resnet如何快速加載官方提供的預訓練模型，加載下載好到本地的模型

在做神經網絡的搭建過程，經常使用pytorch中的resnet作為backbone，特別是resnet50,比如下面的這個網絡設定

import torch
import torch.nn as nn
from torchvision import datasets, transforms
from torchvision import models
 
class base_resnet(nn.Module):
    def __init__(self):
        super(base_resnet, self).__init__()
        self.model = models.resnet50(pretrained=True)
        #self.model.load_state_dict(torch.load('./model/resnet50-19c8e357.pth'))
        self.model.avgpool = nn.AdaptiveAvgPool2d((1, 1))
 
    def forward(self, x):
        x = self.model.conv1(x)
        x = self.model.bn1(x)
        x = self.model.relu(x)
        x = self.model.maxpool(x)
        x = self.model.layer1(x)
        x = self.model.layer2(x)
        x = self.model.layer3(x)
        x = self.model.layer4(x)
        x = self.model.avgpool(x)
 
        # x = x.view(x.size(0), x.size(1))
        return x

 

該網絡相當於繼承了resnet50的所有參數結構，只不過是在forward中，改變了數據的傳輸過程，沒有經過最后的特征展開以及線性分類。在下面的這行代碼中，是相當於調用了pytoch中定義的resnet50網絡，並且會自動下載並且加載訓練好的網絡參數，如果調為 pretrained=False,則不會加載訓練好的參數，而是隨機進行參數的賦值。但是我在服務器上跑這一類代碼的時候發現，每當我重新跑一次程序，如果設置為True都會重新下載resnet50訓練好的參數，但是由於有時候網絡特別不好，導致我下載個基礎的resnet50就要耗費我好長時間，那么我就想能不能將這個resnet50的參數提前下載好，使用的時候直接加載呢。當然是能了。

self.model = models.resnet50(pretrained=True)

我們可以根據我們使用的結構，到對應的地址下載對應的模型到本地，常用的resnet的地址如下：

 'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
 'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
 'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
 'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth',
 'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',

將其下載下來，然后將模型放入到和net.py同目錄的model文件夾下面，然后使用下面的代碼就可以避免每次都重新下載模型的問題了。

self.model = models.resnet50(pretrained=False)
self.model.load_state_dict(torch.load('./model/resnet50-19c8e357.pth'))

抄襲：https://blog.csdn.net/Leo_whj/article/details/105247188