（6）深度学习学习笔记-保存和加载模型

---

一、保存张量

import torch
from torch import nn
from torch.nn import functional as F
# 保存矩阵（张量
x = torch.arange(4)
torch.save(x, 'x-file')
# 读入
x2 = torch.load('x-file')
print(x2)

# 存list
y = torch.zeros(4)
torch.save([x, y],'x-files')
x2, y2 = torch.load('x-files')
print(x2, y2)

# 存字典
mydict = {'x': x, 'y': y}
torch.save(mydict, 'mydict')
mydict2 = torch.load('mydict')

二、加载和保存模型参数

import torch
from torch import nn
from torch.nn import functional as F
# 加载和保存模型参数（保存权重，无法保存结构）
class MLP(nn.Module):
    def __init__(self):
        super().__init__()
        self.hidden = nn.Linear(20, 256)
        self.output = nn.Linear(256, 10)

    def forward(self, x):
        return self.output(F.relu(self.hidden(x)))

net = MLP()
X = torch.randn(size=(2, 20))
Y = net(X)
# 保存
torch.save(net.state_dict(), 'mlp.params')# state_dict获取模型的参数映射
# 加载（需要实例化原始多层感知机模型的一个备份，不需要随机初始化模型参数）
clone = MLP()
clone.load_state_dict(torch.load('mlp.params'))
print(clone.eval()) # 从train模式调整为test模式，不再进行训练更改梯度

---