Вы слышали о Kaggle, будучи потрясающе. Вы также стремитесь улучшить свои навыки науки о науке и начать работу с глубоким обучением или только начать работу в Kaggle. Точно так же, как вы думаете, вы получаете понять тренировку своей глубокой нейронной сети на Kaggle, вы застряли.
Так в чем проблема?
Таким образом, вы узнали, что вы можете сохранить модели Pytorch (строго говоря, Государственный словарь) и загрузите их позже по вашему удобству. Вы обучали свою модель на Kaggle и сохранили ее. Когда вам нужно получить доступ к сохраненной модели, вы просто не можете найти его, и это может заставить вас начать все снова. 😓😓😓 Все мы знаем, что подготовка модели может быть довольно болезненным процессом, поэтому, чтобы сделать это снова, не является вариантом. Беспокойство нет, я (и Каггл) достал тебя! В этой статье я покажу вам, как загрузить вашу обученную модель Pytorch в 5 простых шагах.
Допущения
Я предполагаю, что:
- Вы уже знаете, как тренировать модель.
- Вы понимаете концепцию модельного словаря Pytorch’s Model. Посмотрите на этот ресурс для получения дополнительной информации.
- У вас есть хотя бы базовое понимание того, как сохранить модели Pytorch и загрузить их. Если нет, этот пост – хорошее место для начала. Проект, над которым я работал, и последующая необходимость автора в этой статье родилась из моего участия в вызове удобрения Pytorch.
Шаг 1: Обучите свою модель
В этом примере я написал функцию под названием Train (), которая принимает количество эпох в качестве параметра.
Шаг 1: Обучение модели
Шаг 2: Сохраните свою модель
Шаг 2: Сохраните свою модель
Примечание. Подход выше (сохранение только в словаре государства) может быть не лучшим, как при загрузке, вам нужно будет построить модель с той же архитектурой, что и тот, который вы сохранили.
Шаг 3: совершите свое ядро
Шаг 3: совершение вашего ядра в Kaggle
См. Ниже, как выглядит полный коммит.
Успешно завершил коммин
Возможно, вам придется ждать несколько минут для kaggle Servers для публикации вашего сохраненного файла. Затем вы можете открыть свое ядро, и вы увидите ваш файл под раздел вывода, как показано ниже.
Просмотр сохраненного файла контрольной точки
Шаг 4: Добавьте свое ядро в качестве набора данных
Добавление вывода ядра в виде набора данных
Это не конец. Перейти к + DataSet Вкладка на данный момент и нажмите на него, чтобы добавить выходной файл Kernel в качестве источника данных. Ваше ядро теперь перечислено в качестве источника данных. Печать Содержание вашей входной папки будет перечислять ваше ядро одним из источников. См. Изображение ниже для просмотра и доступа к вашим выходным файлам с помощью кода.
Доступ к вашему сохраненному выводу
Чтобы просмотреть свой файл на боковой панели, нажмите Workspace -> Ввод, вы увидите, что ваше ядро указано в виде одного из файлов под вашим ядром, который находится в каталоге ввода.
Шаг 5: Загрузите модель
Теперь, когда вы знаете, как получить доступ к вашему сохраненному контрольному пункту, вы готовы загрузить свои веса! Убедитесь, что модель, которую вы построете, имеет ту же архитектуру, что и той же словарь, которого вы сохраняете. Есть способ сохранить как архитектуру, так и в словаре государства в одном файле, чтобы вам не нужно помнить, но это не в центре этого урока.
Загрузка словаря состояния в вашу модель
Вот и все! Я надеюсь, что это -> 😃😃😃 ваше настроение после того, как вы успешно загрузили свою первую модель. Иди и процветайте! И, конечно же, оставьте свой отзыв в разделе «Комментарий» ниже.
Оригинал: “https://dev.to/pogayo/saving-and-loading-pytorch-models-in-kaggle-2lpp”