Neste blog, o foco será como obter os pesos de uma camada de modelo no PyTorch.
Quais são os pesos de uma camada de modelo no PyTorch?
“ Pesos ' e ' Vieses ”São recursos essenciais dos modelos de Rede Neural. Ambos são parâmetros que podem ser aprendidos e atualizados regularmente durante o ciclo de treinamento a cada passagem para frente do modelo. Esta atualização regular se deve a um otimizador integrado como o otimizador Adam. O objetivo dos modelos de redes neurais é fazer previsões precisas com base nos dados de entrada e os pesos e vieses são usados para ajustar esses resultados para minimizar as perdas.
Como obter os pesos de uma camada de modelo no PyTorch?
O ' pesos ”de uma camada são armazenados no dicionário Python e usam a sintaxe“ estado_dict() ”. O dicionário é usado para chamar os pesos usando as etapas abaixo:
Etapa 1: abra o IDE Colab
Este tutorial começará com a escolha do IDE para o projeto. Vá para o Colaborador local na rede Internet e comece um “ Novo caderno ”para começar a trabalhar:
Etapa 2: instalar e importar bibliotecas
Depois de configurar o notebook Colab, “ instalar ' e ' importar ”as bibliotecas que cobrem todas as funcionalidades necessárias no projeto:
! pip instalar tochaimportar tocha
importar visão da tocha. modelos
O código acima funciona da seguinte maneira:
- O ' pip ”Instalador de pacote de python é usado para instalar o essencial“ tocha ' biblioteca.
- A seguir, o “ importar ”O comando é usado para importá-lo para o projeto.
- Por último, o “ torchvision.modelos ”O pacote também é importado para a funcionalidade adicional de modelos de aprendizagem profunda:
Etapa 3: importar modelo ResNet
Neste tutorial, o “ ResNet50 ”O modelo de rede neural com 50 camadas contidas na biblioteca torchvision é usado para demonstração. Importe o modelo pré-treinado conforme mostrado:
modelo_amostra = visão da tocha. modelos . sério50 ( pré-treinado = Verdadeiro ) 
Etapa 4: definir a camada do modelo
Defina o nome da camada do modelo e use o “ estado_dict() ”Método para obter seus pesos conforme mostrado:
nome_camada_amostra = 'camada2.0.conv1'sample_layer_weights = modelo_amostra. estado_dict ( ) [ nome_camada_amostra + '.peso' ]
imprimir ( 'Pesos da camada: \n ' , sample_layer_weights. forma )
O código acima funciona da seguinte maneira:
- A segunda camada complicada do modelo ResNet50 é atribuída ao “ nome_camada_amostra ' variável.
- Então o ' estado_dict() ”O método é usado com o“ modelo_amostra ”variável e eles são atribuídos ao“ sample_layer_weights ' variável.
- O ' nome_camada_amostra ' e a ' .peso ”são adicionados como argumentos do“ estado_dict() ”Método para obter pesos.
- Por último, use o “ imprimir() ”Método para mostrar os pesos da camada como saída:
A saída abaixo mostra que obtivemos os pesos da camada do modelo no Pytorch:
Observação : Você pode acessar nosso Colab Notebook neste link .
Dica profissional
Os pesos de uma camada de modelo no PyTorch mostram o progresso do ciclo de treinamento. Esses pesos são usados para verificar o crescimento do modelo à medida que ele processa os dados de entrada nos resultados e previsões de saída. A obtenção dos pesos de uma camada é importante para avaliar a qualidade dos resultados e verificar se alguma melhoria deve ser feita ou não.
Sucesso! Demonstramos como obter os pesos de uma camada de um modelo PyTorch.
Conclusão
Obtenha os pesos de uma camada de modelo no PyTorch usando o “estado_dict() ” após importar um modelo do torchvision ou usar um modelo personalizado. Os pesos de uma camada de modelo são os parâmetros que podem ser aprendidos que são constantemente atualizados durante o treinamento e catalogam seu progresso. Neste artigo, mostramos como importar o modelo ResNet50 do torchvision e obter os pesos de sua segunda camada complicada.