动手学深度学习：4.5 读取和存储

4.5 读取和存储

到目前为止，我们介绍了如何处理数据以及如何构建、训练和测试深度学习模型。然而在实际中，我们有时需要把训练好的模型部署到很多不同的设备。在这种情况下，我们可以把内存中训练好的模型参数存储在硬盘上供后续读取使用。

4.5.1 读写Tensor

我们可以直接使用save函数和load函数分别存储和读取Tensor。save使用Python的pickle实用程序将对象进行序列化，然后将序列化的对象保存到disk，使用save可以保存各种对象,包括模型、张量和字典等。而load使用pickle unpickle工具将pickle的对象文件反序列化为内存。

下面的例子创建了Tensor变量x，并将其存在文件名同为x.pt的文件里。

import torch
from torch import nn

x = torch.ones(3)
torch.save(x, ‘x.pt’)Copy to clipboardErrorCopied

然后我们将数据从存储的文件读回内存。

x2 = torch.load(‘x.pt’)

x2Copy to clipboardErrorCopied

输出：

tensor([1., 1., 1.])Copy to clipboardErrorCopied

我们还可以存储一个Tensor列表并读回内存。

y = torch.zeros(4)

torch.save([x, y], ‘xy.pt’)

xy_list = torch.load(‘xy.pt’)

xy_list