深度学习3：PyTorch保存和调用深度学习模型及模型参数

1.查看各层模型参数

param_num = 0
for param in model.parameters():#将model替换为你自己的模型
	param_num+=torch.numel(param)#累计模型参数总量
	print(param.shape)#输出模型各层的参数形状
print(param_num)#输出网络参数的总量

2.模型参数冻结

参数有一个很重要的属性：requires_grad,默认为True，意为：可学习的；如果是False，则不可被更新学习

#对所有参数进行冻结
for param in model.parameters():
	param.requires_grad = False

3.仅保存模型参数

保存：

torch.save(model.state_dict(),'model.pth')

调用

new_model= Model()#创建一个结构完全一样的模型
model_paramters = torch.load('model.pth')#加载保存的参数
new_model.load_state_dict(model_paramters)#更新new模型

4.保存整个模型

保存

#保存
torch.save(model,'model.pth')

调用

#调用
new_model = torch.load('model.pth')