请问优化PyTorch模型时如何从torchvision加载ResNet50模型？

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。

首先，需要在阿里云上安装PyTorch和torchvision，然后使用以下代码从torchvision加载ResNet50模型：

from torchvision.models import resnet50
model = resnet50(pretrained=True)

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