pytorch快速加载预训练模型参数的方式
https://github.com/pytorch/vision/tree/master/torchvision/models
常用预训练模型在这里面
总结下各种模型的下载地址：
1 Resnet: 2 3 model_urls = { 4 'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth', 5 'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth', 6 'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth', 7 'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth', 8 'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth', 9 } 10 11 inception: 12 13 model_urls = { 14 # Inception v3 ported from TensorFlow 15 'inception_v3_google': 'https://download.pytorch.org/models/inception_v3_google-1a9a5a14.pth', 16 } 17 18 Densenet: 19 20 model_urls = { 21 'densenet121': 'https://download.pytorch.org/models/densenet121-a639ec97.pth', 22 'densenet169': 'https://download.pytorch.org/models/densenet169-b2777c0a.pth', 23 'densenet201': 'https://download.pytorch.org/models/densenet201-c1103571.pth', 24 'densenet161': 'https://download.pytorch.org/models/densenet161-8d451a50.pth', 25 } 26 27 28 29 Alexnet: 30 31 model_urls = { 32 'alexnet': 'https://download.pytorch.org/models/alexnet-owt-4df8aa71.pth', 33 } 34 35 vggnet: 36 37 model_urls = { 38 'vgg11': 'https://download.pytorch.org/models/vgg11-bbd30ac9.pth', 39 'vgg13': 'https://download.pytorch.org/models/vgg13-c768596a.pth', 40 'vgg16': 'https://download.pytorch.org/models/vgg16-397923af.pth', 41 'vgg19': 'https://download.pytorch.org/models/vgg19-dcbb9e9d.pth', 42 'vgg11_bn': 'https://download.pytorch.org/models/vgg11_bn-6002323d.pth', 43 'vgg13_bn': 'https://download.pytorch.org/models/vgg13_bn-abd245e5.pth', 44 'vgg16_bn': 'https://download.pytorch.org/models/vgg16_bn-6c64b313.pth', 45 'vgg19_bn': 'https://download.pytorch.org/models/vgg19_bn-c79401a0.pth', 46 }
解决下载速度慢的方法：
1.换移动网络，有些公司网、校园网对于pytorch网站有很大的限速。
2.翻墙(有时不翻墙也可)先下载下来，放入文件夹中，方法如下两种（推荐第二种）
针对的预训练模型是通用的模型，也可以是自定义模型，大多是vgg16 , resnet50 , resnet101 , 等，从官网加载太慢
1.直接修改源码，改为本地地址
直接使用默认程序里的下载方式，往往比较慢；
通过修改源代码，使得模型加载已经下载好的参数，修改地方如下：
通过查找自己代码里所调用网络的类，使用pycharm自带的函数查找功能（ctrl+鼠标左键）,查看此网络的加载方法，修改model.load_state_dict()函数。
例如：已经下载好的resnet50的参数文件：放在model_urls里面，这样就可以提前下载直接使用。
model_urls = {
'resnet50': '/home/huihua/NewDisk1/pretrain_parameter/resnet50-19c8e357.pth',
}
2.把模型权重下载至torch的缓存文件夹
由于torch在加载模型时候首先检查本地缓存是否已经存在模型，所以在本用户目录下，预先下载放入可快速加载模型。
cd .cache/torch/checkpoints
cd /home/team/.torch/models
两种方式，常常是用第二种作为torch模型的缓存文件夹
进入文件夹把所需模型权重放入即可自动加载，相比第一种方法简单点。