深度学习-基于PyTorch的神经网络的保存和提取

最新推荐文章于 2023-05-28 08:06:45 发布

Vivinia_Vivinia

最新推荐文章于 2023-05-28 08:06:45 发布

阅读量812

点赞数 2

分类专栏：深度学习文章标签：深度学习 python 保存提取

本文链接：https://blog.csdn.net/hester_hester/article/details/97617021

版权

神经网络存储有两种方式，一种是保存整个网络，包括框架和参数，另一种是保存参数，相应的，提取液包括两种方式，一般建议采用保存/提取参数的方式。

import torch
import matplotlib.pyplot as plt

"""生成随机数据"""
x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)  # x轴数据从-1到1，共100个数据，unsqueeze把一维的数据变为2维的数据
y = x.pow(2) + 0.2 * torch.rand(x.size())  # y=x*2，但是还要加上波动

"""保存神经网络"""
def save():
    net1 = torch.nn.Sequential(  # 快速创建神经网络
        torch.nn.Linear(1, 10),
        torch.nn.ReLU(),
        torch.nn.Linear(10, 1)
    )
    optimizer = torch.optim.SGD(net1.parameters(), lr=0.5)  # 使用优化器优化神经网络参数，lr为学习效率，SGD为随机梯度下降法
    loss_func = torch.nn.MSELoss()  # 均方差处理回归问题
    for t in range(1000):  # 循环训练
        prediction = net1(x)  # 输入x，得到预测值
        loss = loss_func(prediction, y)  # 计算损失，预测值和真实值的对比
        optimizer.zero_grad()