Pythorch使用知识传输保存和加载VGG16

Question

我使用以下语句保存具有知识转移的VGG16：

torch.save(model.state_dict(), 'checkpoint.pth')

并使用以下语句重新加载：

州政府=装载焊炬('检查点.pth') 模型加载状态（州政府）

只要我重新加载VGG16模型，并使用以下代码为其提供与之前相同的设置，就可以实现此功能：

^{pr2}$

如何避免这种情况？ 如何在不必重新加载VGG16和重新定义分类器的情况下重新加载模型？在

Answer 1

为什么不直接重新定义一个类似VGG16的模型呢？ 查看vgg.py了解详细信息

class VGG_New(nn.Module):
    def __init__(self, features, num_classes=1000, init_weights=True):
        super(VGG, self).__init__()
        self.features = features
        # change here with you code
        self.classifier = nn.Sequential(
            nn.Linear(512 * 7 * 7, 4096),
            nn.ReLU(True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(True),
            nn.Dropout(),
            nn.Linear(4096, num_classes),
        )
        if init_weights:
            self._initialize_weights()

    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size(0), -1)
        x = self.classifier(x)
        return x

    def _initialize_weights(self):
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
                if m.bias is not None:
                    nn.init.constant_(m.bias, 0)
            elif isinstance(m, nn.BatchNorm2d):
                nn.init.constant_(m.weight, 1)
                nn.init.constant_(m.bias, 0)
            elif isinstance(m, nn.Linear):
                nn.init.normal_(m.weight, 0, 0.01)
                nn.init.constant_(m.bias, 0)

然后只为功能加载权重

^{pr2}$