PyTorch 1.0 中文文档:torchvision.models

PyTorch预训练模型加载指南
本文介绍了如何使用PyTorch的torchvision库加载多种预训练模型,包括AlexNet、VGG、ResNet等,并提供了加载随机权重及预训练权重的示例代码。
部署运行你感兴趣的模型镜像

译者:BXuan694

models子包定义了以下模型架构:

你可以通过调用以下构造函数构造随机权重的模型:

import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
vgg16 = models.vgg16()
squeezenet = models.squeezenet1_0()
densenet = models.densenet161()
inception = models.inception_v3()

我们在torch.utils.model_zoo中提供了预训练模型。预训练模型可以通过传递参数pretrained=True构造:

import torchvision.models as models
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)
squeezenet = models.squeezenet1_0(pretrained=True)
vgg16 = models.vgg16(pretrained=True)
densenet = models.densenet161(pretrained=True)
inception = models.inception_v3(pretrained=True)

阅读全文/改进本文

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

(3)v1.10.1 ~ v1.7.02. 安装全过程(1)选择版本(2)安装结果参考文章一、版本对应下表来自 pytorch 的 github 官方文档pytorch/vision: Datasets, Transforms and Models specific to Computer Visionpytorch 安装官网:Start Locally | PyTorchpytorch 之前版本的安装命令:Previous PyTorch Versions | PyTorchtorch、torchvision 等相关库:download.pytorch.org/whl/torch_stable.html其中,命令中 "-c pytorch" 表示官方源,自己换源可以去掉。torch 版本 torchvision 版本 torchaudio 版本 支持的 Python 版本(示例) Cuda 版本2.5.1 0.20.1 2.5.1 >=3.9, <3.13(3.12)[9/10/11/12] 12.4/12.1/11.82.5.0 0.20.0 2.5.0 >=3.9, <3.13(3.12) 12.4/12.1/11.82.4.1 0.19.1 2.4.1 >=3.8, <3.13(3.12)[8/9/10/11/12] 12.4/12.1/11.82.4.0 0.19.0 2.4.0 >=3.8, <3.13(3.12) 12.4/12.1/11.82.3.1 0.18.1 2.3.1 >=3.8, <3.13(3.12)8/9/10/11/12 12.1/11.82.3.0 0.18.0 2.3.0 >=3.8, <3.13(3.12) 12.1/11.82.2.2 0.17.2 2.2.2 >=3.8, <3.12 [8/9/10/11] 12.1/11.82.2.1 0.17.1 2.2.1 >=3.8, <3.12 12.1/11.82.2.0 0.17.0 2.2.0 >=3.8, <3.12 12.1/11.82.1.2 0.16.2 2.1.2 >=3.8, <3.12(3.10)8/9/10/11 12.1/11.82.1.1 0.16.1 2.1.1 >=3.8, <3.12(3.1012.1/11.82.1.0 0.16.0 2.1.0 >=3.8, <3.12(3.1012.1/11.82.0.0 0.15.0 2.0.0 >=3.8, <3.12(3.8)[8/9/10/11] 11.8/11.71.13.1 0.14.1 0.13.1 >=3.7.2, <=3.10(3.8)[7/8/9/10] 11.7/11.61.13.0 0.14.0 0.13.0 >=3.7.2, <=3.10(3.8) 11.7/11.61.12.1 0.13.1 1.12.1 >=3.7, <=3.10(3.8)[7/8/9/10] 11.6/11.3/10.21.12.0 0.13.0 1.12.0 >=3.7, <=3.10(3.8) 11.6/11.3/10.21.11.0 0.12.0 1.11.0 >=3.7, <=3.10(3.8) 11.3/10.21.10.1 0.11.2 0.10.1 >=3.6, <=3.9(3.8)[6/7/8/9] 11.3/10.21.10.0 0.11.0 0.10.0 >=3.6, <=3.9(3.8) 11.3/10.21.9.1 0.10.1 0.9.1 >=3.6, <=3.9(3.8)[6/7/8/9] 11.1/10.21.9.0 0.10.0 0.9.0 >=3.6, <=3.9(3.8) 11.1/10.21.8.1 0.9.1 0.8.1 >=3.6, <=3.9(3.8)[6/7/8/9] 11.1/10.21.8.0 0.9.0 0.8.0 >=3.6, <=3.9(3.8) 11.1/10.21.7.1 0.8.2 0.7.2 >=3.6(3.6) 11.0/10.2/10.11.7.0 0.8.0 0.7.0 >=3.6(3.6) 11.0/10.2/10.1二、安装命令(pip)1. 版本(1)v2.5.1 ~ v2.0.0# v2.5.1# CUDA 12.4pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124 -i https://pypi.tuna.tsinghua.edu.cn/simple/# CPU onlypip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/(2)v1.13.1 ~ v1.11.0# v1.13.1# CUDA 11.7pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 -i https://pypi.tuna.tsinghua.edu.cn/simple/# CPU onlypip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/(3)v1.10.1 ~ v1.7.0# v1.10.1# CUDA 10.2pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/# CPU onlypip install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1 -f https://download.pytorch.org/whl/cpu/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/2. 安装全过程(1)选择版本torch 版本 torchvision 版本 torchaudio 版本 支持的 Python 版本(示例) Cuda 版本2.1.0 0.16.0 2.1.0 >=3.8, <3.12(3.1012.1/11.8这里选择的框架和环境如下:torch2.1.0 | torchvision0.16.0 | torchaudio2.1.0 | python3.10 | Cuda12.1,若需要将创建的虚拟环境添加到 Jupyter Lab / Jupyter Notebook 中使用,则需要第 3-6 步,否则不用。打开 WIN + R,输入 “cmd”,进入命令行窗口,其他步骤如下:# 1. Anaconda 创建虚拟环境conda create -n torch python=3.10# 2. 激活并进入虚拟环境activate torch# 3. 安装 ipykernel pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/# 4. 安装ipykernel,将虚拟环境加入 jupyter 内核中python -m ipykernel install --name torch --display-name torch# 5. 检查新虚拟环境是否成功加入内核jupyter kernelspec list# 6. 从指定文件夹里进入 jupyterjupyter lab# 7. 安装 torch 等软件包
04-01
### 如何正确安装 PyTorch 及其相关库并配置 Jupyter 环境 #### 安装特定版本的 PyTorch 为了确保安装的是指定版本的 PyTorch(例如 `torch==2.1.0`),可以按照以下方式操作: 1. **确认 Python 和 CUDA 版本** 首先需要明确当前系统的 Python 和 CUDA 的版本号。这可以通过运行以下命令来获取: ```bash python --version nvcc --version ``` 2. **通过 Conda 安装 PyTorch** 使用 Conda 命令可以直接安装指定版本的 PyTorch、`torchvision` 和 `torchaudio` 库。以下是针对 `torch=2.1.0` 的安装命令[^1]: ```bash conda install pytorch=2.1.0 torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia ``` 这里指定了 `cuda toolkit` 的版本为 11.8,可以根据实际需求调整。 3. **验证安装是否成功** 在安装完成后,可以在 Python 中执行以下代码片段以验证安装情况: ```python import torch print(torch.__version__) # 输出应为 '2.1.0' print(torch.cuda.is_available()) # 如果 GPU 支持则返回 True ``` #### 将 Anaconda 虚拟环境集成到 Jupyter Notebook 或 Lab 如果创建了一个新的虚拟环境,则需要将其注册到 Jupyter Notebook 或 Lab 才能正常使用该环境中的包。 1. **激活目标虚拟环境** 切换至所需的虚拟环境中: ```bash conda activate your_env_name ``` 2. **安装 ipykernel 并添加到 Jupyter** 下载 `ipykernel` 包并将此环境添加到 Jupyter Kernel 列表中: ```bash conda install ipykernel python -m ipykernel install --user --name=your_env_name --display-name "Python (your_env_name)" ``` 3. **启动 Jupyter Notebook 或 Lab** 启动 Jupyter Notebook 或 Lab,并在界面中选择刚刚添加的内核名称 `"Python (your_env_name)"` 即可使用新环境中的依赖项[^2]。 #### 解决 `torch.cuda.is_available()` 返回 False 的问题 当调用 `torch.cuda.is_available()` 函数时返回 `False`,可能的原因包括但不限于以下几点: 1. **未正确安装 NVIDIA 显卡驱动程序** 确认已安装支持 CUDA 的显卡驱动程序,并且版本满足所选 CUDA Toolkit 的最低要求。 2. **CUDA 工具链不匹配** 若使用的 `cudatoolkit` 版本与硬件或软件环境不符,可能导致无法检测到 GPU 设备。建议重新检查并适配正确的工具链版本。 3. **Jupyter Notebook 不识别虚拟环境中的 PyTorch** 当前 Jupyter 内核可能并未加载正确的虚拟环境。需按前述步骤将目标环境添加到 Jupyter 内核列表中。 --- ### 示例代码 以下是一个完整的脚本用于验证安装和调试过程: ```python import torch print(f"Torch Version: {torch.__version__}") # 检查 Torch 是否正常导入 if not torch.cuda.is_available(): print("Warning: No CUDA device detected.") else: print(f"CUDA Device Count: {torch.cuda.device_count()}") # 查看可用设备数量 print(f"Current CUDA Device Name: {torch.cuda.get_device_name(0)}") # 获取第一个设备名 ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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