pytorch模型保存

保存模型主要分为两类：保存整个模型和只保存模型参数

1.保存加载整个模型（不推荐）：

   保存整个网络模型，网络结构+权重参数 

torch.save(model,'net.pth')

加载整个网络模型（可能比较耗时）

model=torch.load('net.pth')

2.只保存加载模型参数（推荐）

  保存模型的权重参数（速度快，占内存少）

torch.save(model.state_dict(),'net_params.pth')

load 模型参数

因为我们只保存了 模型的参数，所以需要先定义一个网络对象，然后再加载模型参数。

model=myNet()

#将模型参数加载到新模型中，torch.load返回的是一个OrderedDict,说明.state_dict()只是把所有模型的参数都已OrderedDict的形式存下来。

state_dict=torch.load('net_params.pth')
model.load_state_dict(state_dict)

Note:保存模型进行推理测试时，只需保存训练好的模型的权重参数，即推荐第二种方法。

load_state_dict的参数strict=False

new_model.load_state_dict(state_dict,strict=False)

如果哪一天我们需要重新写这个网络的，比如使用new_model,如果直接load会出现unexpected key. 但是加上strict=False可以很容易地加载预训练的参数（注意检查key是否匹配），直接忽略不匹配的key,对于匹配的key则进行正常的赋值。