1. 网络模型保存
1.1保存方式一
import torchvision
import torch
vgg16 = torchvision.models.vgg16(pretrained=False)
torch.save(vgg16,"./model/vgg16_method1.pth") # 保存方式一:模型结构 + 模型参数
print(vgg16)
1.2保存方式二
import torchvision
import torch
vgg16 = torchvision.models.vgg16(pretrained=False)
torch.save(vgg16.state_dict(),"./model/vgg16_method2.pth")
# 保存方式二:模型参数(官方推荐),不再保存网络模型结构
print(vgg16)
2.网络模型加载
2.1加载方式一(保存方式一对应的加载模型)
import torch
model = torch.load("./model/vgg16_method1.pth")
# 保存方式一对应的加载模型
print(model)
2.2加载方式二(保存方式二对应的加载模型)
import torch
import torchvision
vgg16 = torchvision.models.vgg16(pretrained=False)
vgg16.load_state_dict(torch.load("vgg16_model2.pth"))
# 输出完整的模型结构,与第一种方式输出的模型结构相同
print(vgg16)
3.网络陷阱
现有自定义网络模型并保存:
import torch
from torch import nn
class Tudui(nn.Module):
def __init__(self):
super(Tudui,self).__init__()
self.conv1 = nn.Conv2d(3,64,kernel_size=3)
def forward(self,x):
x = self.conv1(x)
return x
tudui = Tudui()
torch.save(tudui, "./model/tudui_method1.pth")
再运行下面的代码,即下面为第1个代码块运行,无法直接导入网络模型。
import torch
model = torch.load("./model/tudui_method1.pth") # 无法直接加载方式一保存的网络结构
print(model)
解决方法1:
import torch
from torch import nn
# 确保网络模型是我们想要的网络模型,要在加载前还写明网络模型
class Tudui(nn.Module):
def __init__(self):
super(Tudui,self).__init__()
self.conv1 = nn.Conv2d(3,64,kernel_size=3)
def forward(self,x):
x = self.conv1(x)
return x
#tudui = Tudui # 不需要写这一步,不需要创建网络模型
model = torch.load("./model/tudui_method1.pth") # 无法直接加载方式一保存的网络结构
print(model)
解决方法2:
import torch
import model_save import * # 它就相当于把 model_save.py 里的网络模型定义写到这里了
#tudui = Tudui # 不需要写这一步,不需要创建网络模型
model = torch.load("tudui_method1.pth")
print(model)