cherrydata / ultralytics /Else /weights2matrix.py

Voidljc

Your commit message

aa24fe8 over 1 year ago

1.22 kB

from ultralytics import YOLO
import torch
import math

# 加载预训练模型
model = YOLO('yolov8n.pt')

# 获取模型的状态字典（即权重）
state_dict = model.state_dict()

# 将所有参数的张量拉平并合并成一个大的向量
flattened_params = [torch.flatten(param) for param in state_dict.values()]

# 拼接所有拉平后的张量
merged_params = torch.cat(flattened_params)

# 输出合并后的大矩阵的形状
total_elements = merged_params.numel()
print(f"Total elements: {total_elements}")

# 计算合适的正方形矩阵的大小
square_size = math.ceil(total_elements ** 0.5)  # 向上取整，以确保可以填充
total_required_elements = square_size ** 2  # 计算正方形矩阵需要的元素数量

# 如果需要的元素数量大于现有元素数量，用 -1 填充
if total_required_elements > total_elements:
    padding = total_required_elements - total_elements
    # 用 -1 填充
    merged_params = torch.cat([merged_params, torch.full((padding,), -1)])

# 将填充后的张量转换为正方形矩阵
square_matrix = merged_params.view(square_size, square_size)

# 打印结果
print(f"Reshaped into square matrix: {square_matrix.shape}")
print(square_matrix)

	from ultralytics import YOLO
	import torch
	import math

	# 加载预训练模型
	model = YOLO('yolov8n.pt')

	# 获取模型的状态字典（即权重）
	state_dict = model.state_dict()

	# 将所有参数的张量拉平并合并成一个大的向量
	flattened_params = [torch.flatten(param) for param in state_dict.values()]

	# 拼接所有拉平后的张量
	merged_params = torch.cat(flattened_params)

	# 输出合并后的大矩阵的形状
	total_elements = merged_params.numel()
	print(f"Total elements: {total_elements}")

	# 计算合适的正方形矩阵的大小
	square_size = math.ceil(total_elements ** 0.5) # 向上取整，以确保可以填充
	total_required_elements = square_size ** 2 # 计算正方形矩阵需要的元素数量

	# 如果需要的元素数量大于现有元素数量，用 -1 填充
	if total_required_elements > total_elements:
	padding = total_required_elements - total_elements
	# 用 -1 填充
	merged_params = torch.cat([merged_params, torch.full((padding,), -1)])

	# 将填充后的张量转换为正方形矩阵
	square_matrix = merged_params.view(square_size, square_size)

	# 打印结果
	print(f"Reshaped into square matrix: {square_matrix.shape}")
	print(square_matrix)