torch.save()保存的两种.pt模型文件如何查看训练好的网络参数

大家好：

        之前比较困惑torch.save(net, 'example.pt')保存的权重文件类型，无法查看训练好的权重参数问题，这次进行一次总结。

        首先，torch.save()保存两种模型文件，有如下两种方式：

import torch

#1.只保存训练好的模型各层参数
torch.save(net.state_dict(), 'example1.pt')    #--net即定义的网络模型

#2.将模型结构与训练好的模型各层参数一起保存
torch.save(net, 'example2.pt')                 #--net即定义的网络模型

        针对两种方式，这里在不用创建网络模型实例的情况下，实现训练好的模型参数的查看：

#1保存方式--只保存了训练好的模型各层参数
file1 = torch.load('./example1.pt')
print(file1)

#2保存方式--网络结构与训练好的模型各层参数均保存
file2 = torch.load('./example2.pt')
print(file2[1]._parameters)

        这里以softmax模型为例，只有简单的两层，第一层是Flatten，第二层是Linear，即：

from torch import nn


#随便举的例子
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10))

        这里就简单训练了一下，然后得到了两种保存方式保存的.pt文件，按照上述查看模型参数的方式得到如下输出：

'''第1种保存方式'''
#1保存方式--只保存了训练好的模型各层参数
file1 = torch.load('./example1.pt')
print(file1)
#以下是打印结果
OrderedDict([('1.weight', tensor([[-0.0099, -0.0036,  0.0050,  ..., -0.0308, -0.0038, -0.0131],
        [-0.0085, -0.0198, -0.0064,  ..., -0.0054,  0.0053, -0.0058],
        [ 0.0062, -0.0126,  0.0087,  ...,  0.0498,  0.0205,  0.0077],
        ...,
        [-0.0100, -0.0026, -0.0107,  ...,  0.0151,  0.0047,  0.0054],
        [-0.0089, -0.0015, -0.0014,  ..., -0.0441, -0.0087,  0.0006],
        [ 0.0139, -0.0002, -0.0058,  ...,  0.0104, -0.0066,  0.0095]])), ('1.bias', tensor([ 0.2636, -0.3011, -0.0763,  0.1720, -0.9091,  1.9251,  0.4222, -0.0917,
        -0.4364, -0.9618]))])

'''第2种保存方式'''
#2保存方式--网络结构与训练好的模型各层参数均保存
file2 = torch.load('./example2.pt')
print(file2[1]._parameters)
#以下是打印结果：
OrderedDict([('weight', Parameter containing:
tensor([[-0.0099, -0.0036,  0.0050,  ..., -0.0308, -0.0038, -0.0131],
        [-0.0085, -0.0198, -0.0064,  ..., -0.0054,  0.0053, -0.0058],
        [ 0.0062, -0.0126,  0.0087,  ...,  0.0498,  0.0205,  0.0077],
        ...,
        [-0.0100, -0.0026, -0.0107,  ...,  0.0151,  0.0047,  0.0054],
        [-0.0089, -0.0015, -0.0014,  ..., -0.0441, -0.0087,  0.0006],
        [ 0.0139, -0.0002, -0.0058,  ...,  0.0104, -0.0066,  0.0095]],
       requires_grad=True)), ('bias', Parameter containing:
tensor([ 0.2636, -0.3011, -0.0763,  0.1720, -0.9091,  1.9251,  0.4222, -0.0917,
        -0.4364, -0.9618], requires_grad=True))])

        可以看出，两种方式保存的权重文件，保存的训练好的参数是一致的。

        通过如下方式查看各个保存文件的属性：

print(file1.__dict__)

        就能够具体查看各个权重文件的属性以及属性值了。

        通过上述方式就可以只通过权重文件查看权重参数，而不需要实例化模型啦。