我们想要保存神经网络的模型,就需要知道保存和提取我们已经训练好的模型:
在这里插入代码片
import torch
import numpy as np
import matplotlib.pyplot as plt
from torch.nn.functional as F #获得神经网络的激励函数
from torch.autograd import Variable #变量(将张量数据变量化,神经网络只能处理变量)
x = torch.unsqueeze(torch.linspace(-1,1,100),dim=1) #使用unsqueeze将数据转换为二维数据,需要用上dim参数
y = x.pow(2) + 0.2*torch.rand(x.size())
x, y = Variable(x,requires_grad=False), Variable(y,requires_grad=False)
#搭神经网络
def save():
net = torch.nn.Sequential(
torch.nn.Linear(1,10),
torch.nn.ReLU(),
torch.nn.Linear(10,1),
)
#优化
optimizer = torch.optim.SGD(net.parameters(), lr=0.5)
loss_func = torch.nn.MSELoss() #均方差足以解决回归问题中的误差
#训练
for t in range(100):
prediction = net(x)
loss = loss_func(prediction, y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
torch.save(net,'net.pkl') #保存在整个神经网络
torch.save(net.state_dict(),'net_p