如何在 pytorch 中评估训练有素的模型?
pytorch 480
原文标题 :How to evaluate a trained model in pytorch?
我已经训练了一个模型并使用 torch.save 保存模型。然后在训练后我使用 train.load 加载了模型但是我收到了这个错误
Traceback (most recent call last):
File "/home/fsdfs.py", line 219, in <module>
test(model, 'cuda', testloader)
File "/home/fsdfs.py", line 201, in test
model.eval()
AttributeError: 'collections.OrderedDict' object has no attribute 'eval'
这是我的测试部分代码
model = torch.load("train_5.pth")
def test(model, device, test_loader):
model.eval()
test_loss = 0
correct = 0
with torch.no_grad():
for data, target in test_loader:
data, target = data.to('cuda'), target.to('cuda')
output = model(data)
#test_loss += f.cross_entropy(output, target, reduction='sum').item() # sum up batch loss
pred = output.argmax(1, keepdim=True) # get the index of the max log-probability
print(pred, target)
correct += pred.eq(target.view_as(pred)).sum().item()
test_loss /= len(test_loader.dataset)
print('\nTest set: Accuracy: {}/{} ({:.0f}%)\n'.format(
correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
test(model, 'cuda', testloader)
我已经在文件中注释了训练部分代码,所以在某种程度上,这个和加载数据部分就是文件中的全部内容。
我究竟做错了什么?
回复
我来回复-
Bedir Yilmaz 评论
就像@jodag 所说的那样。您可能保存了 state_dict 而不是模型,这也是社区推荐的。
这个链接解释了两者之间的区别。为了使我的答案保持独立,我从文档中复制了片段。这是推荐的方式:
保存:
torch.save(model.state_dict(), PATH)
加载:
model = TheModelClass(*args, **kwargs) model.load_state_dict(torch.load(PATH)) model.eval()
如果您确实需要按照您的方式使用模型,您也可以保存整个模型而不是保存 state_dict。
保存:
torch.save(model, PATH)
加载:
# Model class must be defined somewhere model = torch.load(PATH) model.eval()
2年前