作為一種可能的Web3.0底層技術(shù)，區(qū)塊鏈以去中心化、不可篡改、可溯源等特點，構(gòu)建起數(shù)字經(jīng)濟時代的全新信任體系。

　　從技術(shù)角度分析，區(qū)塊鏈讓數(shù)字資產(chǎn)價值流轉(zhuǎn)的每一個節(jié)點都公開透明、有跡可循且不可篡改，這將會讓W(xué)eb3.0時代的一切交易變得更加真實可信。

　　同時，數(shù)據(jù)通過區(qū)塊鏈技術(shù)可以確定權(quán)屬，實現(xiàn)數(shù)據(jù)的資產(chǎn)化，這也將使得區(qū)塊鏈成為Web3.0時代的基礎(chǔ)設(shè)施。

　　一、pytorch模型保存/加載

　　有兩種方式可用于保存/加載pytorch模型1）文件中保存模型結(jié)構(gòu)和權(quán)重參數(shù)2）文件只保留模型權(quán)重.

　　1、文件中保存模型結(jié)構(gòu)和權(quán)重參數(shù)

　　1）pytorch模型保存

　　import torch

　　torch.save(selfmodel,"save.pt")

　　2）pytorch模型加載

　　import torch

　　torch.load("save.pt")

　　2、文件只保留模型權(quán)重

　　1）pytorch模型保存

　　import torch

　　torch.save(selfmodel.state_dict(),"save.pt")

　　2）pytorch模型加載

　　關(guān)于區(qū)塊鏈技術(shù)項目開發(fā)威：yy625019

　　selfmodel.load_state_dict(torch.load("save.pt"))

　　二、pytorch模型轉(zhuǎn)ONNX模型

　　1、文件中保存模型結(jié)構(gòu)和權(quán)重參數(shù)

　　import torch

　　torch_model=torch.load("save.pt")#pytorch模型加載

　　batch_size=1#批處理大小

　　input_shape=(3,244,244)#輸入數(shù)據(jù)

　　#set the model to inference mode

　　torch_model.eval()

　　x=torch.randn(batch_size,*input_shape)#生成張量

　　export_onnx_file="test.onnx"#目的ONNX文件名

　　torch.onnx.export(torch_model,

　　x,

　　export_onnx_file,

　　opset_version=10,

　　do_constant_folding=True,#是否執(zhí)行常量折疊優(yōu)化

　　input_names=["input"],#輸入名

　　output_names=["output"],#輸出名

　　dynamic_axes={"input":{0:"batch_size"},#批處理變量

　　"output":{0:"batch_size"}})

　　注：dynamic_axes字段用于批處理.若不想支持批處理或固定批處理大小,移除dynamic_axes字段即可.

　　2、文件中只保留模型權(quán)重

　　import torch

　　torch_model=selfmodel()#由研究員提供python.py文件

　　batch_size=1#批處理大小

　　input_shape=(3,244,244)#輸入數(shù)據(jù)

　　#set the model to inference mode

　　torch_model.eval()

　　x=torch.randn(batch_size,*input_shape)#生成張量

　　export_onnx_file="test.onnx"#目的ONNX文件名

　　torch.onnx.export(torch_model,

　　x,

　　export_onnx_file,

　　opset_version=10,

　　do_constant_folding=True,#是否執(zhí)行常量折疊優(yōu)化

　　input_names=["input"],#輸入名

　　output_names=["output"],#輸出名

　　dynamic_axes={"input":{0:"batch_size"},#批處理變量

　　"output":{0:"batch_size"}})