我如何重新使用经过训练的 fastai 模型？

Question

如何在 PyTorch 上使用 fastai 实现加载预训练模型？就像在 SkLearn 中一样，我可以使用 pickle 将模型转储到文件中，然后加载并稍后使用。在像下面这样声明学习实例后，我使用了 .load() 方法来加载以前保存的权重：

arch=resnet34
data = ImageClassifierData.from_paths(PATH, tfms=tfms_from_model(arch, sz))
learn = ConvLearner.pretrained(arch, data, precompute=False)
learn.load('resnet34_test')

然后预测图像的class：

trn_tfms, val_tfms = tfms_from_model(arch,100)
img = open_image('circle/14.png')
im = val_tfms(img)
preds = learn.predict_array(im[None])
print(np.argmax(preds))

但它给我带来了错误：

ValueError: Expected more than 1 value per channel when training, got input size [1, 1024]

如果我使用 learn.fit(0.01, 3) 而不是 learn.load()，则此代码有效。我真正想要的是在我的应用程序中避免训练步骤。

Answer 1

这可能是一种边缘情况，其中某些批次的批次大小等于 1。确保 none 批次 = 1（主要是最后一批）

Answer 2

只要您的一批数据包含单个元素，就会出现此错误。

解决方案 1：在 learn.load('resnet34_test')

之后调用 learn.predict()

解决方案 2：从训练集中删除 1 个数据点。

Pytorch issue

Fastai forum issue description

Answer 3

在训练中，如果训练集批次中有 1 个数据，则会出现此错误。

如果您使用模型来预测输出，请确保设置

learner.eval()

我如何重新使用经过训练的 fastai 模型？

How do I re-use trained fastai models?

python

scikit-learn

deep-learning

resnet

pytorch