本文主要是介绍使用本地文件创建resnet50模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
使用本地文件创建resnet50模型
- 1. 问题分析
- 2. 问题解决
1. 问题分析
最近用到目标检测的模型DETR,但是在创建模型的时候却遇到模型无法创建的问题。本文记录一下解决该问题的过程。
检查原因发现是在创建模型的过程中,需要联网下载。
即便是我将facebook/detr-resnet-50的所有文件下载到本地,然后在from_pretrained时候指定本地的路径,仍然遇到了连接hf下载模型的问题。由于一些众所周知的原因,hf无法直接访问了,这就导致下载遇到了点问题。
需要下载的文件是resnet50的backbone,是没有被包含在detr的模型文件中的。
transformers中的modeling_detr.py中并没有给resnet的本地文件留入参,这就带来了很多不便。即便如此,我们还是可以在modeling_detr.py手动创建backbone,以避免联网下载。
2. 问题解决
首先还是需要先下载resnet50的权重(需科学上网):
https://huggingface.co/timm/resnet50.a1_in1k/tree/main
将这些文件放在目录(记作path_a)中。
然后修改transfomers模块中的源码transformers/models/detr/modeling_detr.py
:
大约340行:
def __init__(self, config):super().__init__()self.config = configif config.use_timm_backbone:requires_backends(self, ["timm"])kwargs = {}if config.dilation:kwargs["output_stride"] = 16backbone = create_model(config.backbone,pretrained=config.use_pretrained_backbone,features_only=True,out_indices=(1, 2, 3, 4),in_chans=config.num_channels,**kwargs,)else:backbone = AutoBackbone.from_config(config.backbone_config)
修改为:
def __init__(self, config):super().__init__()self.config = config# 从指定路径直接创建backboneimport timmbackbone = timm.create_model('resnet50',pretrained=True,pretrained_cfg_overlay=dict(file='path_a/pytorch_model.bin'), # 刚才下载模型保存的路径features_only=True,out_indices=(1, 2, 3, 4),in_chans=3,
)# 原来的部分全都注释掉'''if config.use_timm_backbone:requires_backends(self, ["timm"])kwargs = {}if config.dilation:kwargs["output_stride"] = 16backbone = create_model(config.backbone,pretrained=config.use_pretrained_backbone,features_only=True,out_indices=(1, 2, 3, 4),in_chans=config.num_channels,**kwargs,)else:backbone = AutoBackbone.from_config(config.backbone_config)'''
修改之后再创建detr模型,就不会报错了:
processor = DetrImageProcessor.from_pretrained("your_path_to/detr-resnet-50/", revision="no_timm")
model = DetrForObjectDetection.from_pretrained("your_path_to/detr-resnet-50/", revision="no_timm")
其他用到了timm模块的hf模型,也可以用类似的方法解决联网下载的问题。
这篇关于使用本地文件创建resnet50模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!