请问优化PyTorch模型时如何从torchvision加载ResNet50模型？[阿里云机器学习PAI] 暂停朗读为您朗读

您好，由于PAI-Blade仅支持ScriptModule，因此需要转换模型格式，代码如下：

model = models.resnet50().float().cuda()  # 准备模型。model = torch.jit.script(model).eval()    # 转换成ScriptModule。dummy = torch.rand(1, 3, 224, 224).cuda() # 构造测试数据。

由于与resnet50的分类数不一样，所以在调用时，要使用num_classes=分类数。 如果需要加载模型本身的参数，需要使用pretrained=True。由于最后一层的分类数不一样，所以最后一层的参数数目也就不一样，所以在加载模型参数时要去掉最后一层

def _resnet(    arch: str,    block: Type[Union[BasicBlock, Bottleneck]],    layers: List[int],    pretrained: bool,    progress: bool,    **kwargs: Any) -> ResNet:    model = ResNet(block, layers, **kwargs)    if pretrained:        state_dict = load_state_dict_from_url(model_urls[arch],                                              progress=progress)                for k in list(state_dict.keys()):  #固定遍历对象            print(k)            if k == "fc.weight" or k == "fc.bias":                state_dict.pop(k)  #删除最后一层的模型参数                         model.load_state_dict(state_dict,strict=False)  #非严格加载模型参数    return model