模型读取和存储
总结下来,就是几个函数
- torch.load()/torch.save()
通过python的pickle完成序列化与反序列化.完成内存<-->磁盘转换.
- Module.state_dict()/Module.load_state_dict()
state_dict()获取模型参数.load_state_dict()加载模型参数
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laod
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')
然后我们将数据从存储的文件读回内存。
x2 = torch.load('x.pt')
x2
输出:
tensor([1., 1., 1.])
我们还可以存储一个