Pytorch的模型文件一般會保存為.pth文件，C++接口一般讀取的是.pt文件，因此，C++在調用Pytorch訓練好的模型文件的時候就需要進行一個轉換，轉換為.pt文件，才能夠讀取。

所以在轉換的時候，首先就需要先將模型文件讀取進來，然后利用pytorch提供的函數torch.jit.trace進行轉換，這個函數的聲明為：

def trace(func,
? ? ? ? ? example_inputs,
? ? ? ? ? optimize=True,
? ? ? ? ? check_trace=True,
? ? ? ? ? check_inputs=None,
? ? ? ? ? check_tolerance=1e-5,
? ? ? ? ? _force_outplace=False,
? ? ? ? ? _module_class=None):
也就是，第一個參數為輸入的模型，第二個參數為輸入的帶測試數據，通常其數據形式要跟模型的輸入數據的形式是一樣的。

轉換的代碼例子如下：

import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision.models as models
from torchsummary import summary
?
class Net(nn.Module):
? ? def __init__(self):
? ? ? ? super(Net, self).__init__()
? ? ? ? self.conv1 = nn.Conv2d(1, 32, 5, 1)
? ? ? ? self.conv2 = nn.Conv2d(32, 64, 5, 1)
? ? ? ? self.fc1 = nn.Linear(4*4*64, 512)
? ? ? ? self.fc2 = nn.Linear(512, 10)
?
? ? def forward(self, x):
? ? ? ? x = F.relu(self.conv1(x))
? ? ? ? x = F.max_pool2d(x, 2, 2)
? ? ? ? x = F.relu(self.conv2(x))
? ? ? ? x = F.max_pool2d(x, 2, 2)
? ? ? ? x = x.view(-1, 4*4*64)
? ? ? ? x = F.relu(self.fc1(x))
? ? ? ? x = self.fc2(x)
? ? ? ? return F.log_softmax(x, dim=1)
?
model = torch.load("mnist_cnn.pth")
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
?
summary(model, input_size=(1, 28, 28))
model = model.to(device)
traced_script_module = torch.jit.trace(model, torch.ones(1, 1, 28, 28).to(device))
traced_script_module.save("mnist_cnn_cc1.pt")
?
————————————————
版權聲明：本文為CSDN博主「熊叫大雄」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/yz2zcx/article/details/100609210

總結

以上是生活随笔為你收集整理的[Pytorch].pth转.pt文件的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。