pytorch保存模型pth_PyTorch之保存加载模型

前提

SAVING AND LOADING MODELS

当提到保存和加载模型时，有三个核心功能需要熟悉：

1.torch.save：将序列化的对象保存到disk。这个函数使用Python的pickle实用程序进行序列化。使用这个函数可以保存各种对象的模型、张量和字典。

2.torch.load：使用pickle unpickle工具将pickle的对象文件反序列化为内存。

3.torch.nn.Module.load_state_dict:使用反序列化状态字典加载model’s参数字典。

一：WHAT IS A STATE_DICT

在PyTorch中，torch.nn.Module的可学习参数(即权重和偏差)，模块模型包含在model's参数中(通过model.parameters()访问)。state_dict是个简单的Python dictionary对象，它将每个层映射到它的参数张量。

注意，只有具有可学习参数的层(卷积层、线性层等)才有model's state_dict中的条目。优化器对象(connector .optim)也有一个state_dict，其中包含关于优化器状态以及所使用的超参数的信息。

Example:

import torch

import torch.nn as nn

import torch.nn.functional as F

# Define model

class TheModelClass(nn.Module):

def __init__(self):

super(TheModelClass,self).__init__()

self.conv1=nn.Conv2d(3,6,5)