在使用pytorch训练模型中,有时候需要从断点处继续训练,那么需要将模型、优化器、lr_scheduler,epoch和其他args进行保存,如果使用的apm混合精度,还要保存scaler。在恢复训练的时候,需要重新加载数据即可,在推理阶段,只要保存model.state_dict()就好了。
checkpoint = {
"model" : model.state_dict(),
"optimizer":optimizer.state_dict(),
"lr_scheduler": lr_scheduler.state_dict(),
"args":args # 其他参数
"epoch": epoch,
}
if args.amp:
checkpoint["scaler] = scaler.state_dict()
torch.save(checkpoint,"file_path")
# 加载模型
checkpoint = torch.load("file_path",map_location="cpu")
model.load_state_dict(checkpoint["model"])
optimizer.load_state_dict(checkpoint["optimizer"])
lr_scheduler.load_state_dict(checkpoint["lr_scheduler"])
epoch = checkpoint["lr_scheduler"]+1
if amp:
scaler.load_state_dict(checkpoint["scaler"])