pytorch使用DataParallel并行化保存和加载模型（单卡、多卡各种情况讲解）

话不多说，直接进入正题。

！！！不过要注意一点，本文保存模型采用的都是只保存模型参数的情况，而不是保存整个模型的情况。一定要看清楚再用啊！

1 单卡训练，单卡加载

#保存模型
torch.save(model.state_dict(),'model.pt')

#加载模型
model=MyModel()#MyModel()是你定义的创建模型的函数，就是先初始化得到一个模型实例，之后再将模型参数加载到该实例上
model.load_state_dict(torch.load('model.pt'))

2 单卡训练，多卡加载

保存模型的过程同第一种情况一样，但是要注意，多卡加载模型时， 是先加载模型参数，再对模型做并行化处理。

#保存模型
torch.save(model.state_dict(),'model.pt')


#加载模型
model=MyModel()
model.load_state_dict(torch.load('model.pt'))

model=nn.DataParallel(model)#将模型进行并行化处理

3 多卡保存，单卡加载

方法一：

考虑到之后可能需要单卡加载你多卡训练的模型，所以建议在保存的时候，要去除模型参数字典里面的module，即使用model.module.state_dict()代替model.state_dict()来进行去除。

因为是单卡加载，所以还是要先加载 模型参数，再对模型做并行化处理。

#保存模型
torch.save(model.module.state_dict(),'modle.pt')


#加载模型
model=MyModel()
model.load_state_dict(torch.load('model.pt'))

model=nn.DataParallel(model)

方法二：

仍然使用model.state_dict()保存，但是单卡加载的时候，要把模型做并行化（在单卡上并行），加载的时候要注意：由于我们保存到 方式是以多卡方式保存的，所以无论加载之后的模型是 在答案卡上运行还是在多卡上运行，都要先把模型并行化处理，然后再去加载模型。

#保存模型
torch.save(model.state_dict(),'model.pt')


#加载模型
model=MyModel()

model=nn.DataParallel(model)

model.load_state_dict(torch.load('model.pt'))

4 多卡保存，多卡加载

这里保存模型采用”多卡保存，单卡加载“的第二种方法，加载的时候，要先把模型做并行化（在多卡上并行），然后再加载。

#保存模型
torch.save(model.state_dict(),'model.pt')

#加载模型
model=MyModel()

model=nn.DataParallel(model)

model.load_state_dict(torch.load('model.pt'))

---

希望以上内容能够帮助到你，这里是希望你能越来越好的 小白冲鸭 ~~~