pytorchgpu测试_Pytorch中利用GPU训练，CPU测试

要先利用GPU训练，CPU测试，那么在模型训练时候，是能保存模型的参数而不能保存整个模型，可见保存、加载、测试

💥这里主要讲一点重要的，即在pytorch 1.6的版本中训练模型保存时，不能直接使用

torch.save(state_r, model_out_r_path)

否则，在CPU测试时，由于版本的不兼容会导致出错，正确使用如下：

torch.save(state_g, model_out_g_path, _use_new_zipfile_serialization=False)

而后，在模型加载时候，要限定map_location = cpu的加载：

checkpoint_r = torch.load(opt.model_r,map_location='cpu')

model_rt.load_state_dict(checkpoint_r['model'])

model_rt.eval()

optimizer_rt.load_state_dict(checkpoint_r['optimizer'])

epochs_rt = checkpoint_r['epoch']

GPU下训练的模型即可方便的在CPU环境中测试了

若模型已经训练保存，但是有没有使用_use_new_zipfile_serialization=False来进行约束，那么，可以在pytorch 1.6中直接加载模型，然后再次使用torch.save进行保存为非z