Pytorch保存torch.save()和加载torch.load()模型参数

torch.save()

pytorch有两种模型保存方式：
一、保存整个神经网络的的结构信息和模型参数信息，save的对象是网络net

二、只保存神经网络的训练模型参数，save的对象是net.state_dict()

对应两种保存模型的方式，pytorch也有两种加载模型的方式。对应第一种保存方式，加载模型时通过torch.load('.pth')直接初始化新的神经网络对象；对应第二种保存方式，需要首先导入对应的网络，再通过net.load_state_dict(torch.load('.pth'))完成模型参数的加载。

下面是两种对应的举例。

torch.save()和torch.load()举例：

当我们花费大量的精力训练完网络，下次预测数据时不想再（有时也不必再）训练一次时，这时候torch.save(),torch.load()就要登场了。

保存和加载模型参数有两种方式：

方式一：
 

torch.save(net.state_dict(),path):

功能：保存训练完的网络的各层参数（即weights和bias)

其中：net.state_dict()获取各层参数，path是文件存放路径(通常保存文件格式为.pt或.pth)

net2.load_state_dict(torch.load(path)):

功能：加载保存到path中的各层参数到神经网络

注意：不可以直接为torch.load_state_dict(path)，此函数不能直接接收字符串类型参数

方式二：
 

torch.save(net,path):

功能：保存训练完的整个网络模型（不止weights和bias）

net2=torch.load(path):

功能：加载保存到path中的整个神经网络

说明：官方推荐方式一，原因自然是保存的内容少，速度会更快。