测试模型和保存模型

测试模型和保存模型

训练后的模型进行保存

使用torch.save()函数

torch.save(state,filename)

state是一个字典(dict)对象，它用于保存模型的状态和参数。它包含以下四个键值对:

• ‘epoch’:当前的轮数(epoch)
• ‘model’:模型的参数(state_dict).
• 'optimizer:优化器的参数(state_dict).
• ‘accuracy’:当前的准确率(accuracy)

这些信息可以用于恢复模型的训练状态，或者评估模型的性能。

file name后后缀一般是".pth"或者".pt"

使用训练好的模型

使用torch.load()函数

torch.load()是一个用来从文件中加载保存的对象的函数，它使用python的pickle模块来进行反序列化。

torch.load()的参数如下：

• f: 一个类似文件的对象（必须实现read(), readline(), tell(), 和 seek()方法），或者一个包含文件名的字符串或os.PathLike对象。
• map_location: 一个函数，torch.device对象，字符串或者字典，用来指定如何重新映射存储位置。
• pickle_module: 用来进行反序列化的模块（必须和序列化时使用的pickle_module相匹配）
• weights_only: 指示反序列化器是否只加载张量、原始类型和字典。
• pickle_load_args: （仅限Python 3）传递给pickle_module.load()和pickle_module.Unpickler()的可选关键字参数，比如errors=…。

torch.load()的返回值是任意类型的对象，取决于保存时的对象。

torch.load()通常用来加载保存的模型或优化器的状态字典（state_dict），这些状态字典是使用torch.save()函数保存的。状态字典是一个Python字典对象，它将每一层映射到其参数张量。你可以使用model.load_state_dict()或optimizer.load_state_dict()方法来加载状态字典，并恢复模型或优化器的状态。

torch.load(f,map_location,pickle_module,weights_only,pickle_load_args)
# torch.load()的使用示例
# 假设我们已经保存了一个模型的状态字典到"model.pth"文件中
# 加载状态字典
state_dict = torch.load("model.pth")
# 创建一个相同结构的模型对象
model = TheModelClass(*args, **kwargs)
# 加载状态字典到模型中
model.load_state_dict(state_dict)
# 如果需要，可以将模型移动到指定设备上
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)