DNN模型pth加载和使用

Question

只包含了参数等信息，每次加载这个pth文件时只能使用一次，是为什么？比如我加载pth文件用来预测X（不同值），但是每次预测的结果都一样，只有我运行了原模型，更新了pth，预测的X（不同值）的预测值才会不一样。有没有可以解答一下的？［感谢］

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

问题描述： 为何每次加载.pth文件时只能使用一次，即使输入的参数不同，每次预测结果都一样？ 解决方案： 这个问题的根本原因是.pth文件中只存储了模型的参数信息，没有存储模型的其他信息，如输入数据的形状、随机数种子等。因此，每次加载.pth文件时，模型参数不变，导致预测结果不变。 解决这个问题的方法有两种：

1. 在加载.pth文件之前，手动设置输入数据的形状、随机数种子等参数。这样，在加载.pth文件时，模型除了参数外其他信息都是一样的，就可以得到不同的预测结果。示例代码如下：

import torch
# 加载.pth文件
model = torch.load('model.pth')
# 设置输入数据的形状
input_data = torch.randn(1, 3, 224, 224)
# 设置随机数种子
torch.manual_seed(123)
# 进行模型预测
output = model(input_data)
print(output)

1. 在训练模型时，记录随机数种子和输入数据的形状等参数，并与.pth文件一起保存下来。然后在加载.pth文件时，将这些参数一起读取出来，再进行预测。示例代码如下：

import torch
# 记录训练时的随机数种子和输入数据的形状等参数
seed = 123
input_shape = (1, 3, 224, 224)
# 训练模型并保存.pth文件
model = train_model()
torch.save(model, 'model.pth')
# 加载.pth文件，并读取保存的参数
checkpoint = torch.load('model.pth')
model = checkpoint['model']
seed = checkpoint['seed']
input_shape = checkpoint['input_shape']
# 设置随机数种子和输入数据的形状
torch.manual_seed(seed)
input_data = torch.randn(*input_shape)
# 进行模型预测
output = model(input_data)
print(output)

注意：如果使用第二种方法，需要在训练完成后保存模型的参数、随机数种子和输入数据的形状等信息，并在以后加载.pth文件时一起读取出来。否则，每次使用.pth文件时都需要手动设置这些参数，比较麻烦。