《Pytorch模型推理及多任务通用范式》

本节课主要对于大白AI课程https://mp.weixin.qq.com/s/STbdSoI7xLeHrNyLlw9GOg

《Pytorch模型推理及范式》课程中第二节课进行学习

1. 从torchvision中加载resnet18模型结构，并载入预训练好的模型权重 ‘resnet18-5c106cde.pth’ (在物料包的weights文件夹中)。

   import torchvision
   
   resnet18 = torchvision.models.resnet18()
   pretrained_state_dict = torch.load("D:CodespacePythonmodel_analysislesson2weights\resnet18-5c106cde.pth")
   resnet18.load_state_dict(pretrained_state_dict, strict=True)
   

2. 将（1）中加载好权重的resnet18模型，保存成onnx文件。
   onnx文件大小44.5 MB

3. 以torch.rand([1,3,224,224]).type(torch.float32)作为输入，求resnet18的模型计算量和参数量。

   Model: 1.82 GFLOPs and 11.69M parameters

4. 以torch.rand([1,3,448,448]).type(torch.float32)作为输入，求resnet18的模型计算量和参数量。

   Model: 7.27 GFLOPs and 11.69M parameter

1. 比较必做题中的（3）和（4）的结果，有什么规律？

   参数量相同，因为输入输入并不影响模型本来的参数数量

   计算量（3）是（4）的四分之一，因为后者输入像素值是前者的四倍

2. 尝试用netron可视化resnet18的onnx文件

   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6X9Uwd1E-1634280547384)(C:Users1AppDataRoamingTyporatypora-user-imagesimage-20211015141953357.png)]

3. model作为torch.nn.Module的子类，除了用 model.state_dict()查看网络层外，还可以用model.named_parameters()和model.parameters()。它们三儿有啥不同？

   parameters仅返回模型参数但named_parameters除参数外还会返回每层的名字,model_state_dict会以字典的形式返回整个网络j结构。

4. 加载模型权重时用的model.load_state_dict(字典, strict=True)，里面的strict参数什么情况下要赋值False？

   当导入的模型参数量与调用该函数的模型参数量不匹配时，也能使其运行，如果strict为True，则必须保证二者模型结构一致