(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

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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