我需要避免从网络上下载模型（因为安装机器上的限制）。

下面的代码可以工作，但它会从互联网上下载模型

model = torch.hub.load('pytorch/vision:v0.9.0', 'deeplabv3_resnet101', pretrained=True)

我已经将.pth文件和hubconf.py文件放置在/tmp/文件夹中，并将我的代码改为

model = torch.hub.load('/tmp/', 'deeplabv3_resnet101', pretrained=True, source='local')

但令我惊讶的是，它仍然从互联网上下载模型。我做错了什么？如何才能在本地加载模型？

为了给你提供更多细节，我在Docker容器中进行所有这些操作，该容器在运行时具有只读卷，这就是为什么无法下载新文件的原因。

回答：

在没有互联网连接的机器上获取可部署的模型，有两种方法可以尝试。

1. 在一个正常的机器上加载带有预训练模型的DeepLab，使用JIT编译器将其导出为图形，并将其放入机器中。脚本很容易遵循：

    # 导出模型 model = torch.hub.load('pytorch/vision:v0.9.0', 'deeplabv3_resnet101', pretrained=True).eval() traced_graph = torch.jit.trace(model, torch.randn(1, 3, H, W)) traced_graph.save('DeepLab.pth') # 加载模型 model = torch.jit.load('DeepLab.pth').eval().to(device)

   在这种情况下，权重和网络结构被保存为计算图，因此您不需要任何额外的文件。

2. 查看torchvision的GitHub仓库。

   有一个下载URL用于DeepLabV3与Resnet101主干的权重。

   您可以下载这些权重一次，然后使用torchvision中的deeplab，设置pretrained=False标志，并手动加载权重。

    model = torch.hub.load('pytorch/vision:v0.9.0', 'deeplabv3_resnet101', pretrained=False) model.load_state_dict(torch.load('downloaded weights path'))

   请注意，状态字典中可能有一个[‘state_dict’]或类似的父键，在这种情况下，您将使用：

    model.load_state_dict(torch.load('downloaded weights path')['state_dict'])