踩坑！GPU上预训练模型的下载！！！

最新推荐文章于 2025-02-23 21:16:21 发布
最新推荐文章于 2025-02-23 21:16:21 发布
阅读量1.2k 收藏 1
点赞数
分类专栏： 大杂烩计算机知识 PyTorch框架学习 文章标签： wget
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_18649781/article/details/90022594
版权

之前都是在本地下载，然后传到服务器上，可是最近复现深度学习代码时候，传输预训练模型的时候，发现ftp传输啊，总是有问题，有时候文件损坏，这个坑好浪费时间！！！
后来想到了wget，直接在服务器wget下载不就可以了？果然很好用：

tips：下载链接怎么获取呢？

我们在git仓库中的VGGnet_fast_rcnn_iter_70000.h5上右键，然后点击复制链接地址：如下
在这里插入图片描述
之后在服务器上粘贴即可：
在这里插入图片描述
这样就可以实现在服务器直接下载了，就不用担心传输失败或者损坏的问题了

《YOLO模型实验自动训练工具》 | 一次跑完所有改进，让每个人都实现改进YOLO实验 ！
YOLOv8项目贡献者
12-27 1673
《YOLO模型实验自动训练工具》 | 一次跑完所有改进，让每个人都实现改进YOLO实验 ！
【图像超分】论文复现：万字长文！Pytorch实现SRResNet！代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
04-17 2303
Pytorch实现SRResNet！代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！将SRResNet单独训练，方便做实验测试！SRResNet的模型性能达到最优，可以用于论文中实验的对比方法和测试自己的图像数据
已经训练好的多个模型，
09-20
已经训练好的多个模型，有时候可以多看看，当然也可以下载
【下载预训练模型失败】OSError: Consistency check failed: file should be of size xxx but has size xxx
weixin_43941438的博客
05-09 7504
这个错误表明在下载预训练模型文件pytorch_model.bin时出现了一致性检查失败。下载的文件大小与期望的文件大小不一致。加上force_download=True和resume_download=False参数，强制重新下载模型文件并禁用断点续传。如果问题仍然存在，检查网络，最重要的一点：关闭代理！
使用GPU训练模型
最新发布
lengyue2015的博客
02-23 1362
本地训练模型可以用CPU和GPU，但是GPU的性能比CPU要好得多，所以如果有独立显卡的，尽量还是用GPU来训练模型。软件一共3.2G，安装软件之前，确定软件有VC++环境，不然会失败。使用GPU需要安装Cuda和Cudnn。我是装了Visual Studio 2019。然后安装ultralytics等基础依赖。编写一个测试代码，看看是否支持CPU。我这里支持的版本是:12.8。GPU版本的torch。
如何在多GPU上训练PyTorch模型
anshiquanshu的专栏
03-24 1226
深度学习模型的最大问题之一是它们经常很大，往往无法在单个GPU中进行训练。PyTorch构建了两种在多个GPU中实施分布式训练的方法：nn.DataParalllel和nn.DistributedParalllel。它们是包装和更改代码以及增加在多个GPU中训练网络的功能的简单方法。 nn.DataParallel更容易使用，但只需要在一台机器上使用。nn.DataParalllel在每个批次中，仅使用一个过程来计算模型权重并将其分配给每个GPU。 在这篇文章中，我会详细介绍nn.DataParalle
使用Pytorch，在GPU上训练模型
wwwwzm的博客
04-10 958
使用GPU训练模型，需要将这三个部分上传到GPU。
yolov5s 预训练模型_使用yolo-v5训练测试自己的数据
weixin_39603050的博客
12-18 2667
使用环境：python3.6.8、CUDA10.0、Centos7.5目录一、前言1.1下载yolov5代码首先通过git命令从GitHub克隆yolov5最新代码(当然也可以选择想要的版本号)，该文采用最新的代码，命令如下：git clone --recursive https://github.com/ultralytics/yolov5.git其中--recursive 参数属于个人习惯添...
如何将mmdetection训练好的模型导出为onnx格式？【Windows和linux通用哦！】
深耕AI
08-20 1156
目前，MMDeploy在Windows平台下提供cpu以及cuda两种Device的预编译包，其中cpu版支持使用onnxruntime cpu进行推理，cuda版支持使用onnxruntime-gpu以及tensorrt进行推理，可以从Releases获取。注意：本篇教程以mmdeploy-1.3.1-windows-amd64.zip为例，展示预编译包cpu的预测方法。为了方便使用者快速上手，本教程以分割模型(mmdetection)为例，展示预编译包的使用方法。
Tensorflow_gpu 2.3 + cuda10.2 多核训练踩坑经历
weixin_37651557的博客
11-11 1568
Tensorflow_gpu 2.3 + cuda10.2 多核训练踩坑经历 本渣渣实验室电脑的配置是4*2080ti，系统是windows server 2019，环境是： anaconda + tensorflow2.3 +python3.8，在GPU单核训练中运行正常，但尝试了深层网络之后报错： Resource exhausted: OOM when allocating tensor with shape [ , ] 具体维度忘了，就是GPU显存不足。之后开始尝试GPU多核训练。尝试了两种方法：
facenet官方训练好的模型
06-20
谷 歌 官 方 训 练 好 的 模 型，可 以 直 接 使 用，
CodeWithGPU如何使用
weixin_46831363的博客
08-28 3599
​ 刚刚在VALSE 2022上有个公司发布了一个产品：codewithgpu.com，好像还和AutoDL租GPU的平台是一家。产品的定位确实戳中了痛点，简单分享一下使用方法
利用腾讯云GPU服务器一键化部署 进行yolov5模型训练
2201_75753211的博客
05-12 956
首先购买云服务器，我选的是按量计费的。镜像我选择的ubuntu20.04，已经配置cuDNN和CUDA，省去手动配置的麻烦。
CodeWithGPU中YOLOv9镜像推荐
weixin_45093926的博客
11-21 425
在 CodeWithGPU 这个平台上，YOLOv9 实际上存在着多个不同的镜像。然而，在这里必须要着重推荐使用处于红框之中的那个特定镜像。这是因为该镜像相比较而言，对于那些初次接触的小白用户来说更加合适。如此一来，即便是那些没有太多实践经验的人，也能够相对较为轻松地开始上手操作并且加以运用。不管是在安装的整个过程当中，还是在后续的实际使用过程里，这个受到推荐的镜像都极有可能为小白用户提供一种更加友好的使用体验以及更为便捷的操作流程。#AutoDL #GPU #租显卡。
【NLP相关】基于现有的预训练模型使用领域语料二次预训练
WeLearnNLP
03-05 2643
在本篇博客中，我们使用的预训练模型是 BERT（Bidirectional Encoder Representations from Transformers）。BERT 是一种基于 Transformer 的预训练模型，由 Google 团队开发。它在多个自然语言处理任务上取得了最先进的结果，例如文本分类、命名实体识别和问答系统等。BERT 模型是一种双向的 Transformer 模型，能够有效地处理自然语言序列。它将文本输入嵌入到向量空间中，并在此基础上进行自监督训练，以学习通用的语言表示。
【python】一文彻底解决pytorch预训练模型下载慢的问题
weixin_44340194的博客
01-12 1891
运行pytorch的相关程序，需要下载预训练模型的下载链接和目标路径会打印出来： 用迅雷打开下载链接，p2p帮你解决下载慢问题????（当然，这时候还下载不下来就得找国内镜像源了） 下载好放到目标路径就好了???? 网上清一色放模型下载链接的人不知道在想什么???? ...
faster-rcnn tensorflow windows demo测试
LoveWeeknd
07-31 3989
重点参考链接： 1、https://blog.youkuaiyun.com/weiguanqun/article/details/78754898 2、https://blog.youkuaiyun.com/fuyang2191/article/details/80902324 第1步：将源码和需要用到的数据集先下载下来 源码地址：https://github.com/dBeker/Faster-RCNN-...
resnet18 gpu预训练模型下载
05-12
ResNet是一种深度残差网络，ResNet18是其中一个较小的模型，由于其结构简单、计算量小、精度高，在许多计算机视觉任务中被广泛使用。GPU预训练模型是使用GPU进行预训练后得到的模型，可以在许多任务中直接使用或进行微调。 要下载ResNet18的GPU预训练模型，可以到PyTorch官方网站下载。下载链接为：https://download.pytorch.org/models/resnet18-5c106cde.pth 如果你使用的是PyTorch，可以使用以下代码加载预训练模型： ``` import torch import torchvision.models as models # 加载ResNet18模型 resnet18 = models.resnet18(pretrained=False) # 加载GPU预训练模型 state_dict = torch.load('resnet18-5c106cde.pth') resnet18.load_state_dict(state_dict) ``` 注意，这里的`pretrained`参数需要设置为`False`，因为我们要加载的是GPU预训练模型。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值