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。