加载和保存模型
当实验时,使用梯度下降可能会花费几个小时(有时几天)寻找好的参数。一旦你找到它们,可以保存那些权值。在搜索过程中,你也可能想要保存当前最好的估计。
pickle保存共享变量中的numpy的n维数组
保存或者归档模型的参数的最好的方法是使用pickle或者deepcopy保存n维数组。比如,如果你的参数在共享变量w、v、u中,则保存的命令应该看起来像这样:
>>> import cPickle
>>> save_file = open('path', 'wb') # this will overwrite current contents
>>> cPickle.dump(w.get_value(borrow=True), save_file, -1) # the -1 is for HIGHEST_PROTOCOL
>>> cPickle.dump(v.get_value(borrow=True), save_file, -1) # .. and it triggers much more efficient
>>> cPickle.dump(u.get_value(borrow=True), save_file, -1) # .. storage than numpy's default
>>> save_file.close()
然后,可以像这样子加载数据:
>>> save_file = open('path')
>>> w.set_value(cPickle.load(save_file), borrow=True)
>>> v.set_value(cPickle.load(save_file), borrow=True)
>>> u.set_value(cPickle.load(save_file), borrow=True)
这个技术有点繁琐,但是可靠并且正确的。你能加载之前保存的数据,并不用折腾就可以在matplotlib中显示。
参考文献:http://www.360doc.com/content/16/0420/08/32605990_552199788.shtml