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
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']))