PyTorch | 模型的保存和加载
PyTorch | 模型的保存和加载
- 一、模型参数的保存和加载
- 二、完整模型的保存和加载
一、模型参数的保存和加载
torch.save(module.state_dict(), path)
:使用module.state_dict()
函数获取各层已经训练好的参数和缓冲区,然后将参数和缓冲区保存到path
所指定的文件存放路径(常用文件格式为.pt
、.pth
或.pkl
)。torch.nn.Module.load_state_dict(state_dict)
:从state_dict
中加载参数和缓冲区到Module
及其子类中 。torch.nn.Module.state_dict()
函数返回python
中的一个OrderedDict
类型字典对象,该对象将每一层与它的对应参数和缓冲区建立映射关系,字典的键值是参数或缓冲区的名称。只有那些参数可以训练的层才会被保存到OrderedDict
中,例如:卷积层、线性层等。Python
中的字典类以“键:值
”方式存取数据,OrderedDict
是它的一个子类,实现了对字典对象中元素的排序(OrderedDict
根据放入元素的先后顺序进行排序)。由于进行了排序,所以顺序不同的两个OrderedDict
字典对象会被当做是两个不同的对象。- 示例:
import torch import torch.nn as nnclass Net(nn.Module):def __init__(self):super(Net, self).__init__()self.conv1 = nn.Conv2d(1, 2, 3)self.pool1 = nn.MaxPool2d(2, 2)def forward(self, x):x = self.conv1(x)x = self.pool1(x)return x# 初始化网络 net = Net() net.conv1.weight[0].detach().fill_(1) net.conv1.weight[1].detach().fill_(2) net.conv1.bias.data.detach().zero_() # 获取state_dict state_dict = net.state_dict() # 字典的遍历默认是遍历key,所以param_tensor实际上是键值 for param_tensor in state_dict: print(param_tensor,':\n',state_dict[param_tensor]) # 保存模型参数 torch.save(state_dict,"net_params.pth") # 通过加载state_dict获取模型参数 net.load_state_dict(state_dict)
输出:
二、完整模型的保存和加载
torch.save(module, path)
:将训练完的整个网络模型module
保存到path
所指定的文件存放路径(常用文件格式为.pt
或.pth
)。torch.load(path)
:加载保存到path
中的整个神经网络模型。- 示例:
import torch import torch.nn as nnclass Net(nn.Module):def __init__(self):super(Net, self).__init__()self.conv1 = nn.Conv2d(1, 2, 3)self.pool1 = nn.MaxPool2d(2, 2)def forward(self, x):x = self.conv1(x)x = self.pool1(x)return x# 初始化网络 net = Net() net.conv1.weight[0].detach().fill_(1) net.conv1.weight[1].detach().fill_(2) net.conv1.bias.data.detach().zero_() # 保存整个网络 torch.save(net,"net.pth") # 加载网络 net = torch.load("net.pth")
PyTorch | 模型的保存和加载相关推荐
- pytorch模型的保存和加载、checkpoint
pytorch模型的保存和加载.checkpoint 其实之前笔者写代码的时候用到模型的保存和加载,需要用的时候就去度娘搜一下大致代码,现在有时间就来整理下整个pytorch模型的保存和加载,开始学习 ...
- PyTorch模型的保存加载以及数据的可视化
文章目录 PyTorch模型的保存和加载 模块和张量的序列化和反序列化 模块状态字典的保存和载入 PyTorch数据的可视化 TensorBoard的使用 总结 PyTorch模型的保存和加载 在深度 ...
- PyTorch学习笔记2:nn.Module、优化器、模型的保存和加载、TensorBoard
文章目录 一.nn.Module 1.1 nn.Module的调用 1.2 线性回归的实现 二.损失函数 三.优化器 3.1.1 SGD优化器 3.1.2 Adagrad优化器 3.2 分层学习率 3 ...
- numpy将所有数据变为0和1_PyTorch 学习笔记(二):张量、变量、数据集的读取、模组、优化、模型的保存和加载...
一. 张量 PyTorch里面最基本的操作对象就是Tensor,Tensor是张量的英文,表示的是一个多维的矩阵,比如零维就是一个点,一维就是向量,二维就是一般的矩阵,多维就相当于一个多维的数组,这和 ...
- 线性回归之模型的保存和加载
线性回归之模型的保存和加载 1 sklearn模型的保存和加载API from sklearn.externals import joblib [目前这行代码报错,直接写import joblib ...
- paddlepaddle模型的保存和加载
导读 深度学习中模型的计算图可以被分为两种,静态图和动态图,这两种模型的计算图各有优劣. 静态图需要我们先定义好网络的结构,然后再进行计算,所以静态图的计算速度快,但是debug比较的困难,因为只有当 ...
- PyTorch基础-模型的保存和加载-09
模型的保存 import numpy as np import torch from torch import nn,optim from torch.autograd import Variable ...
- tensorflow 模型的保存和加载
为了让训练结果可以复用,需要将训练得到的神经网络模型持久化,也就是把模型的参数保存下来,并保证可以持久化后的模型文件中还原出保存的模型. 1. 保存模型 tensorflow提供了一个API可以方便的 ...
- Pytorch模型训练保存/加载(搭建完整流程)
文章目录 前言 模型训练完整步骤 模型保存与加载 GPU训练 "借鸡生蛋" 模型使用 本博文优先在掘金社区发布! 前言 我们这边还是以CIARF10这个模型为例子. 现在的话先说明 ...
最新文章
- Hive代码组织及架构简单介绍
- Sql 删除不保留日志
- Softmax vs. SoftmaxWithLoss 推导过程
- 【100题】第五十三题 字符串的全排列
- 接口返回的类型是html页面_1.10 PhalApi 2.x 接口文档
- github 开放_GitHub为女性开发人员所做的工作,Tim O'Reilly谈开放数据等
- C/C++ stack栈的理解以及使用
- iPhone 12包装盒设计曝光,没充电器没耳机实锤?
- SVM支持向量机通俗导论(理解SVM的三层境界)
- python实现将文件下内每张图片按顺序命名为txt文本文件中的内容
- 自有数据集上,如何用keras最简单训练YOLOv3目标检测
- Zephyr调整Main栈大小
- luogu1970 花匠
- securecrt破解版64位
- Linux 安装 菜鸟教程,Linux安装Nginx(菜鸟教程简单易懂)
- 用ffmpeg批量转换WAV文件采样率
- 【AI视野·今日CV 计算机视觉论文速览 第241期】Wed, 1 Dec 2021
- 嗅图狗——更新与反馈专贴
- 网易云音乐信息爬取(存储为 csv文件)喜马拉雅音乐爬取
- java rgb转yuv_RGB,CMY(K),YUV,YIQ,YCbCr颜色的转换算法(java实现)
热门文章
- Android开发_简单的网络编程
- Docker知识点导航
- truncate(截断)与delete(删除)的区别
- 计算机录入中级职称,中级会计职称无纸化考试公式怎么输入的 V模式是什么?...
- cpua55和a53哪个好_ARM正式发布A75和A55,助华为海思赶超高通
- 云计算在物联网中的应用
- Windows系统剪切板不可用
- 计算机复合材料缠绕机,[转载]最先进的复合材料纤维缠绕仿真软件CADWIND
- 好分数教师版服务器维护,好分数教师版app
- postman 返回json乱码_POSTMAN发起请求收到乱码 http 406错误