pytorch 模型保存save： -nn基础 结果保存 pth , npz 模型保存+pickle模块保存

结果保存

训练结果（numpy数据）的读取与保存

可保存到文本文件或二进制文件，以下为多个数组保存到二进制文件的代码：

import numpy as np
from matplotlib import pyplot as plt

x= np.arange(0,10,0.1)
y=np.sin(x)

np.savez('savedata',x=x,y=y)
z=np.load('savedata.npz')  #文件名的后缀为npz

plt.plot(z['x'],z['y'])
plt.show()

更多：
np.save()和np.load()  ： 未压缩的原始二进制格式保存在扩展名为.npy

- np.save('arraytest.npy',ar)
- res =  np.load("res.npy")

savetxt()和loadtxt()  ： 读写1维和2维数组的文本文件，可以用它们读写CSV格式的文本文件

训练结果（tensor数据）的读取与保存

import torch
x = torch.rand(4,5)
torch.save(x, "./SAVE.pt")

y = torch.load("./SAVE.pt")
print(y)

网路的保存与加载

torch.save(net, "net")


model_dict=torch.load("net")
print(model_dict)

pth

torch.save(model.state_dict(), "my_model.pth")  # 只保存模型的参数
 
torch.save(model, "my_model.pth")  # 保存整个模型

pthfile = r'---.pth'
par = torch.load(pthfile,map_location=torch.device('cpu')) # 由于模型原本是用GPU保存的，但我这台电脑上没有GPU，需要转化到CPU上
del par['---']# 删除字典元素

使用例子

if args.resume:
        if os.path.isfile(args.resume):
            print("=> loading checkpoint '{}'".format(args.resume))
            checkpoint = torch.load(args.resume)
            args.start_epoch = checkpoint['epoch']
            best_prec1 = checkpoint['best_prec1']
            model.load_state_dict(checkpoint['state_dict'])
            print("=> loaded checkpoint '{}' (epoch {})"
                  .format(args.evaluate, checkpoint['epoch']))

pickle.dump和pickle.load