在进行神经网络(NN)训练的时候,有时候需要保存中间epoch的训练模型,知道最后所有的epoch训练完成。有如下的方法可以进行模型的保存与对应的加载方法:
保存中间的训练模型
保存
保存模型主要分为两种:
(1)只保存参数:torch.save(model.state_dict(), path)
对应的加载:model.load_state_dict(torch.load(path))
其中model指定义的模型实例变量,如 model=vgg16( ), path是保存参数的路径,如 path=’./model.pth’ , path=’./model.tar’, path=’./model.pkl’, 保存参数的文件一定要有后缀扩展名。
(2)保存整个模型:torch.save(model, path)
加载:model = torch.load(path)
该方法不仅仅会保存参数,也会把整个模型的连接保存下来,一旦在测试集上更改了模型的参数,或者激活函数等就会给出warning:XX已发生改变等,且文件相对于(1)中的方法要更大,所以采用(1)中的方法即可。
(3)同时保存多个模型和参数:(创立字典)
每1000个epoch保存一下模型,先建立一个字典state,可以保存模型、优化器与其他数据等。在保存时候注意:不同的epo