怎么在Pytorch模型中将读取的pth文件参数转换成numpy矩阵

怎么在PyTorch模型中将读取的pth文件参数转换成numpy矩阵？很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

Pytorch给了很方便的读取参数接口：

nn.Module.parameters()

直接看demo：

from torchvision.models.alexnet import alexnet model = alexnet(pretrained=True).eval().cuda()parameters = model.parameters()for p in parameters:  numpy_para = p.detach().cpu().numpy()  print(type(numpy_para))  print(numpy_para.shape)

上面得到的numpy_para就是numpy参数了~

Note：

model.parameters()是以一个生成器的形式迭代返回每一层的参数。所以用for循环读取到各层的参数，循环次数就表示层数。

而每一层的参数都是torch.nn.parameter.Parameter类型，是Tensor的子类，所以直接用tensor转numpy（即p.detach().cpu().numpy()）的方法就可以直接转成numpy矩阵。

方便又好用，爆赞~

补充：pytorch训练好的.pth模型转换为.pt

将python训练好的.pth文件转为.pt

import torchimport torchvisionfrom unet import UNetmodel = UNet(3, 2)#自己定义的网络模型model.load_state_dict(torch.load("best_weights.pth"))#保存的训练模型model.eval()#切换到eval（）example = torch.rand(1, 3, 320, 480)#生成一个随机输入维度的输入traced_script_module = torch.jit.trace(model, example)traced_script_module.save("model.pt")

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注编程网精选频道，感谢您对编程网的支持。