pytorch 把训练好的pth文件权重与偏置都乘以256并四舍五入导出到mat文件里

可以使用Python中的NumPy库将Pytorch模型的权重和偏置进行缩放，并保存为MATLAB的.mat文件。下面是一个简单的示例代码：

import scipy.io as sio  
import torch 
import numpy as np

# 加载训练好的模型
model = torch.load('trained_model.pth')

# 将模型的权重和偏置缩放
weights = {}
for name, param in model.named_parameters():
    if 'weight' in name:
        weights[name] = np.round(param.cpu().detach().numpy() * 256)
    elif 'bias' in name:
        weights[name] = np.round(param.cpu().detach().numpy() * 256)

# 保存权重和偏置为MATLAB格式
sio.savemat('trained_model.mat', weights)

这将生成一个名为“trained_model.mat”的MATLAB格式文件，其中包含缩放后的模型的权重和偏置。请注意，此代码仅适用于具有权重和偏置的层，例如全连接层和卷积层，而不适用于BatchNormalization层等其他类型的层。此外，请确保在运行代码之前安装SciPy和NumPy库。