Selles ajaveebis keskendutakse PyTorchis mudelikihi kaalude hankimisele.
Mis on PyTorchi mudelikihi kaal?
“ Kaalud ” ja „ Eelarvamused ” on mõlemad närvivõrgu mudelite olulised omadused. Need on mõlemad õpitavad parameetrid, mida uuendatakse regulaarselt treeningtsükli ajal mudeli iga edasikäiguga. Selle regulaarse värskenduse põhjuseks on integreeritud optimeerija, näiteks Adam optimeerija. Närvivõrgu mudelite eesmärk on teha sisendandmete põhjal täpseid ennustusi ning nende tulemuste korrigeerimiseks, et minimeerida kadu, kasutatakse kaalusid ja eelarvamusi.
Kuidas saada PyTorchis mudelikihi raskusi?
' kaalud ' kihist on salvestatud Pythoni sõnastikku ja kasutavad süntaksit ' state_dict() ”. Sõnaraamatut kasutatakse kaalude kutsumiseks, kasutades järgmisi samme:
1. toiming: avage Colab IDE
See õpetus algab projekti IDE valikuga. Minge koostöölaborisse veebisait ja käivitage ' Uus märkmik ', et alustada tööd:
2. samm: installige ja importige teegid
Pärast Colabi märkmiku seadistamist installida ” ja „ importida ” teegid, mis hõlmavad kõiki projektis nõutavaid funktsioone:
! pip install taskulampimportida tõrvik
importida tõrvikuvisioon. mudelid
Ülaltoodud kood töötab järgmiselt:
- ' pip 'Pythoni paketiinstallerit kasutatakse olulise ' tõrvik ” raamatukogu.
- Järgmiseks ' importida ” kasutatakse selle projekti importimiseks.
- Lõpuks, ' tõrvikuvisioon.mudelid ” pakett imporditakse ka süvaõppe mudelite lisafunktsioonide jaoks:
3. samm: importige ResNeti mudel
Selles õpetuses on „ ResNet50 Demonstreerimiseks kasutatakse 50 kihiga närvivõrgu mudelit, mis sisaldub torchvisioni teegis. Importige eelkoolitatud mudel, nagu näidatud:
näidis_mudel = tõrvikuvisioon. mudelid . tõsine50 ( eelkoolitatud = Tõsi ) 
4. samm: määratlege mudelikiht
Määrake mudelikihi nimi ja kasutage ' state_dict() ” meetod selle kaalu saamiseks, nagu näidatud:
proovi_kihi_nimi = 'layer2.0.conv1'proovi_kihi_kaalud = näidis_mudel. olek_dikt ( ) [ proovi_kihi_nimi + '.kaal' ]
printida ( 'Kihtide kaalud: \n ' , proovi_kihi_kaalud. kuju )
Ülaltoodud kood töötab järgmiselt:
- ResNet50 mudeli teine keerdunud kiht on määratud ' proovi_kihi_nimi ” muutuja.
- Siis ' state_dict() 'meetodit kasutatakse koos ' näidis_mudel ' muutuja ja need on määratud ' proovi_kihi_kaalud ” muutuja.
- ' proovi_kihi_nimi ' ja ' .kaal ' on lisatud argumentidena ' state_dict() ” meetod kaalude saamiseks.
- Lõpuks kasutage ' print() ” meetod kihtide kaalude kuvamiseks väljundina:
Allolev väljund näitab, et oleme Pytorchis saanud mudelikihi kaalud:
Märge : meie Colabi märkmikule pääsete juurde siit link .
Pro-Tip
PyTorchi mudelikihi raskused näitavad treeningtsükli edenemist. Neid kaalusid kasutatakse mudeli kasvu kindlakstegemiseks, kui see töötleb sisendandmeid väljundtulemusteks ja prognoosideks. Kihi kaalude saamine on oluline tulemuste kvaliteedi hindamisel ja selle kontrollimisel, kas on vaja teha parandusi või mitte.
Edu! Oleme näidanud, kuidas saada PyTorchi mudeli kihi raskusi.
Järeldus
Hankige PyTorchis mudelikihi kaalud, kasutades 'state_dict() ” meetodil pärast mudeli importimist Torchvisionist või kohandatud mudeli kasutamist. Mudelikihi kaalud on õpitavad parameetrid, mida koolituse käigus pidevalt uuendatakse ja selle edenemist kataloogitakse. Selles artiklis oleme näidanud, kuidas importida ResNet50 mudelit torchvisionist ja saada selle teise keerdunud kihi kaalud.