一、torch.save()的使用
参考链接:pytorch利用torch.save()保存模型参数及载入
假设网络为model = Net(), optimizer = optim.Adam(model.parameters(), lr=args.lr), 假设在某个epoch,我们要保存模型参数,优化器参数以及epoch
先建立一个字典,保存三个参数:
state = {‘net':model.state_dict(),optimizer':optimizer.state_dict(), 'epoch':epoch}
2.调用torch.save():
torch.save(state, dir)
恢复某一阶段训练
checkpoint = torch.load(dir)
model.load_state_dict(checkpoint['net'])
optimizer.load_state_dict(checkpoint['optimizer'])
start_epoch = checkpoint['epoch'] + 1
二、扩展与压缩Tensor
参考文档:Pytorch 扩展Tensor维度、压缩Tensor维度
输入的数据维度和实验需要维度不一致,输入的可能是2维数据或3维数据,实验需要用到3维或4维数据,那么我们需要扩展这个维度。其实特别简单,只要对数据加一个扩展维度方法就可以了。
(1)扩展维度
torch.unsqueeze(self: Tensor, dim: _int)
参数说明:self:输入的tensor数据,dim:要对哪个维度扩展就输入那个维度的整数,可以输入0,1,2……
扩展出来的维度为全1
(2)压缩Tensor维度
data = torch.rand([1, 1, 3, 3])
data1 = torch.squeeze(data, dim=0)
即可将第0维数据压缩掉
import torch
def reset_squeeze2():
data = torch.rand([1, 1, 3, 3])
data1 = torch.squeeze(data, dim=0)
print("data_size: ", data.shape)
print("data: ", data)
print("data1_size: ", data1.shape)
print("data1: ", data1)