torch(四)、Serialization

已于 2023-11-02 20:33:42 修改
阅读量769 收藏
点赞数
分类专栏： Pytorch 文章标签： 计算机视觉 深度学习 机器学习
于 2022-08-29 13:53:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_36670529/article/details/101199116
版权
本文介绍了PyTorch中的序列化方法torch.save()和反序列化方法torch.load()，包括参数说明和使用示例，特别是如何处理在不同设备间加载和保存张量。
摘要由CSDN通过智能技术生成

参考    torch(四)、Serialization - 云+社区 - 腾讯云

torch.save(obj, f, pickle_module=<module 'pickle' from '/opt/conda/lib/python3.6/pickle.py'>, pickle_protocol=2)[source]

Saves an object to a disk file.

See also: Recommended approach for saving a model

Parameters

  • obj – saved object

  • f – a file-like object (has to implement write and flush) or a string containing a file name

  • pickle_module – module used for pickling metadata and objects

  • pickle_protocol – can be specified to override the default protocol

Warning

If you are using Python 2, torch.save() does NOT support StringIO.StringIO as a valid file-like object. This is because the write me

最低0.47元/天 解锁文章
Wanderer001
关注
专栏目录
torch.load()
weixin_36670529的博客
05-01 4万+
torch.load(f, map_location=None, pickle_module=<module 'pickle' from '/opt/conda/lib/python3.6/pickle.py'>, **pickle_load_args)[source] 从文件中加载一个用torch.save()保存的对象。 load()使用Python的unpickling工具，但是专门处理存储，它是张量的基础。他们首先在CPU上并行化，然后移动到保存它们的设备。如果失败(例如，因为运行时
[一起学习pytorch吧]之torch.load函数
missyoudaisy的博客
02-27 1万+
Hello，大家好！下面是对torch.load函数的翻译～ torch.load(f, map_location=None, pickle_module=<module 'pickle' from '/opt/conda/lib/python3.6/pickle.py'>, **pickle_load_args) 从文件加载用torch.save()保存的对象。 torch.l...
pytorch(一)模型加载函数torch.load()
热门推荐
凝眸伏笔的博客
11-08 10万+
1.作用：用来加载torch.save()保存的模型文件。 torch.load()先在CPU上加载，不会依赖于保存模型的设备。如果加载失败，可能是因为没有包含某些设备，比如你在gpu上训练保存的模型，而在cpu上加载，可能会报错，此时，需要使用map_location来将存储动态重新映射到可选设备上，比如map_location=torch.device('cpu')，意思是映射到cpu上，在cpu上加载模型，无论你这个模型从哪里训练保存的。 一句话：map_location适用于修改模型能在gpu.
【PyTorch】基础学习：一文详细介绍 torch.load() 的用法和应用
创作高质量博文，分享知识，共同进步！
03-17 4433
🔥掌握PyTorch核心技能，一文读懂torch.load()的奥秘！💡 🌟深度解读torch.load()基本概念，让你快速上手！📚 🚀探索torch.load()高级用法，轻松应对复杂场景！💡 🔄torch.load()与torch.save()的完美配合，实现模型的无缝迁移！🔄 🔍常见问题一网打尽，让你避免踩坑！💣 🌐torch.load()在实际项目中大放异彩，助你一臂之力！🚀 💼总结与展望，让你站在巨人的肩膀上，看得更远！🔭 #PyTorch学习 #torch.loa
Torch7 Serialization
韭菜地
08-19 909
Torch provides 4 high-level methods of serialize/deserialize arbitrary Lua/Torch objects. These functions are just abstractions over the File object, and were created for convenience (these are very co
ImportError: cannot import name 'MAP_LOCATION' from 'torch.serialization'
最新发布
05-28
在较新版本的 PyTorch 中，torch.serialization 模块已经被重构，而 MAP_LOCATION 变量已经被移除。 要解决这个问题，你可以尝试更新 PyTorch 到最新版本，或者修改你的代码中使用到 MAP_LOCATION 的部分。 如果你...
torch/serialization.py 报错 No module named 'layers' 是怎么回事
05-16
在 `torch/serialization.py` 中没有 `layers` 模块，所以该错误不是来自于该文件本身。 您可以尝试以下几种解决方法： 1. 确认您的代码中是否存在一个名为 `layers` 的模块或包，如果存在，请检查是否正确导入或...
>> %Run first2.py Traceback (most recent call last): File "/home/pi/Desktop/first2.py", line 74, in <module> model.load_state_dict(torch.load(r"/home/pi/Desktop/epoch50.pkl"))#模型位置 File "/home/pi/.local/lib/python3.9/site-packages/torch/serialization.py", line 592, in load return _load(opened_zipfile, map_location, pickle_module, **pickle_load_args) File "/home/pi/.local/lib/python3.9/site-packages/torch/serialization.py", line 851, in _load result = unpickler.load() File "/home/pi/.local/lib/python3.9/site-packages/torch/serialization.py", line 843, in persistent_load load_tensor(data_type, size, key, _maybe_decode_ascii(location)) File "/home/pi/.local/lib/python3.9/site-packages/torch/serialization.py", line 832, in load_tensor loaded_storages[key] = restore_location(storage, location) File "/home/pi/.local/lib/python3.9/site-packages/torch/serialization.py", line 175, in default_restore_location result = fn(storage, location) File "/home/pi/.local/lib/python3.9/site-packages/torch/serialization.py", line 151, in _cuda_deserialize device = validate_cuda_device(location) File "/home/pi/.local/lib/python3.9/site-packages/torch/serialization.py", line 135, in validate_cuda_device raise RuntimeError('Attempting to deserialize object on a CUDA ' RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.
07-23
如果你在一个只有CPU的机器上运行代码，请使用`torch.load`函数的`map_location`参数将模型参数映射到CPU上。你可以尝试修改代码如下： ```python model.load_state_dict(torch.load(r"/home/pi/Desktop/epoch50....
Traceback (most recent call last): File "D:/LPRNet_Pytorch-master/LPRNet_Pytorch-master/train_LPRNet.py", line 268, in <module> train() File "D:/LPRNet_Pytorch-master/LPRNet_Pytorch-master/train_LPRNet.py", line 107, in train lprnet.load_state_dict(torch.load(args.pretrained_model)) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 608, in load return _legacy_load(opened_file, map_location, pickle_module, **pickle_load_args) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 787, in _legacy_load result = unpickler.load() File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 743, in persistent_load deserialized_objects[root_key] = restore_location(obj, location) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 175, in default_restore_location result = fn(storage, location) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 151, in _cuda_deserialize device = validate_cuda_device(location) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 135, in validate_cuda_device raise RuntimeError('Attempting to deserialize object on a CUDA ' RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.
05-25
你需要使用`torch.load`函数时传入`map_location=torch.device('cpu')`的参数来将模型加载到CPU上。 例如： ```python lprnet.load_state_dict(torch.load(args.pretrained_model, map_location=torch.device('cpu'...
【PyTorch】进阶学习：一文详细介绍 torch.load() 的应用场景、实战代码示例
创作高质量博文，分享知识，共同进步！
03-17 2241
🔥【PyTorch进阶】一文解锁torch.load()的多种应用场景🔓 从模型参数的加载与复用，到优化器状态的一键恢复🚀；从数据集的轻松加载，到模型架构的迁移微调💡；再到实验结果的便捷保存与加载📊，torch.load()为你打通深度学习全流程！更有进阶技巧与扩展应用等你来探索🔧。读完这篇博文，你将轻松掌握torch.load()的精髓，成为PyTorch应用达人！#PyTorch #torch.load() #应用场景 #深度学习
PyTorch 源码解读之 torch.serialization & torch.hub
zandaoguang的博客
10-28 4199
作者 | 123456来源 | OpenMMLab编辑 | 极市平台导读本文解读基于PyTorch 1.7版本，对torch.serialization、torch.save和tor...
Torch7学习笔记（三）Sequencialization
ahaha1212的博客
09-21 111
1.序列化 Torch提供4种高级方法来序列化或者反序列化任意Lua/Torch对象。这些方法都是从File对象抽象出来的，为了方便操作而创建。 前两种方法用来从文件序列化或者反序列化的： torch.save(filename,object [, format]) [object] torch.load(filename [, format]) 下面两个函数是从字...
pytorch torch.load
Claroja
09-04 518
应用 >>> torch.load('tensors.pt', map_location=lambda storage, loc: storage.cuda(1)) # Map tensors from GPU 1 to GPU 0 API torch.load(f, map_location=None, pickle_module=<module 'pickle' from '/opt/conda/lib/python3.6/pickle.py'>, **pickle_lo
pytorch中的torch.save()和torch.load()
欢迎来到道的世界
10-28 1万+
一.用法介绍  pytorch中torch.save()和torch.load()分别表示模型的存储和加载，具体相关的用法如下所示： torch.save(obj,f,pickle_module=pickle,pickle_protocol=DEFAULT_PROTOCOL,_use_new_zipfile_serialization=True) obj：需要保存的对象，可以是整个模型或者是模型参数 f：保存模型的路径 pickle_module：用于清除元数据和对象的模块 pickle_protoco
torch.load() 、torch.load_state_dict() 详解
you 是 mine
03-08 1万+
torch.load() 、torch.load_state_dict() 详解
Torch.load()
m0_61887165的博客
02-27 1065
torch.load()
Pytorch中加载预训练模型/模型参数-torch.load()
peacefairy的博客
10-09 6848
TORCH.LOAD语法参数理解函数简述Example注意事项 语法 torch.load(f, map_location=None, pickle_module=<module 'pickle' from '/opt/conda/lib/python3.6/pickle.py'>, **pickle_load_args) 参数理解 f – 类文件对象 (返回文件描述符)或一个保存文件名的字符串 map_location – 一个函数或字典规定如何remap存储位置
python-pytorch 关于torch.load()和torch.load_state_dict()
xfysq_的博客
09-13 1042
python-pytorch 关于torch.load()和torch.load_state_dict()
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wanderer001

ROIAlign原理

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值