保存与载入模型的常用方法

一般使用torch.save()函数将模型保存起来,该函数一般经常与模型的state_dict()方法联合使用。同理,加载模型使用的是torch.load()函数,该函数与模型的load_state_dict()方法联合使用

1.保存模型

torch.save(model.state_dict(), "./model.pth")

执行完该命令后,会在本地目录中生成一个model.pth文件,该文件就是保存好的模型文件

2.载入模型

model.load_state_dict(torch.load("./model.pth"))

使用模型对象的load_state_dict()方法,可以将保存好的模型载入到model里,在执行完该命令之后,model模型中的值将于model.pth文件中的值保持同步

3.将模型载入到指定的硬件设备中

与张量对象类似,模型对象也可以通过cpu()或cuda()方法指定其所在设备。

在使用torch.load()函数时,还可以通过map_location参数指定硬件设备。这样模型就会被载入指定的硬件设备中。例如:

model.load_state_dict(torch.load("./model.pth",map_location={"cuda:1":"cuda:0"}))

这就实现了将模型同时载入了GPU1和GPU0的设备中

但是一般都不是一次性的将模型载入指定硬件设备中,通常都是使用模型的to()方法,将模型复制到指定的设备中去,更利于调试

4.在多卡并行的计算环境中,对模型的保存和载入

在PyTorch的多卡并行计算环境中,模型的内存结构与正常情况下的内存结构是不同的。

如果使用多卡GPU中的单卡训练模型,或是在GPU和CPU设备上切换使用模型,则最好在保存模型时将参数以CPU的方式存储。

#单卡模式
model.cpu().state_dict()
#多卡模式
model.module.cpu().state_dict()

在加载模型上 也可以指定权重到对应的硬件上,例如

将GPU1的权重加载到GPU0上,代码如下:

torch.load("model.pth",map_location={"cuda:1":"cuda:0"})

将GPU的权重加载到CPU上

torch.load("model.pth",map_location = lambda storage, loc:storage)

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Keras是一个深度学习框架,它提供了保存最好模型的功能。保存最好的模型非常重要,因为在训练过程中不同的参数可能会导致模型表现不同,我们需要找到在验证集上表现最好的模型进行预测。 要保存最好的模型,我们需要使用Keras的`ModelCheckpoint`回调函数。这个函数允许我们定义一些参数来保存最好的模型常用的参数包括`monitor`,`mode`和`filepath`。 首先,我们需要设置`monitor`参数来监测模型性能的指标,如验证集的准确率或损失。我们可以选择设置`mode`为"min"或"max",具体取决于选择的监测指标是损失还是准确率。如果监测指标是损失,那么`mode`应该设置为"min";如果监测指标是准确率,那么`mode`应该设置为"max"。 接下来,我们需要设置`filepath`参数来保存最好的模型的文件路径和名称。可以使用占位符例如`{epoch}`和`{val_accuracy}`在文件名中动态地添加有关模型的信息,如训练轮次和验证准确率。 当定义好`ModelCheckpoint`回调函数后,我们可以将其作为参数传递给`fit`函数,在训练过程中自动保存最好的模型。 以下是一个示例代码,展示了如何使用Keras保存最好的模型: ```python from keras.callbacks import ModelCheckpoint # 定义ModelCheckpoint回调函数 checkpoint = ModelCheckpoint(filepath='best_model.h5', monitor='val_accuracy', mode='max', save_best_only=True) # 训练模型时使用ModelCheckpoint回调函数 model.fit(x_train, y_train, validation_data=(x_val, y_val), callbacks=[checkpoint]) # 载入保存的最好模型 model.load_weights('best_model.h5') ``` 使用上述代码,训练过程中会自动保存验证准确率最高的模型,并保存为"best_model.h5"文件。最后,我们可以通过`load_weights`函数来加载保存的最好模型。 通过保存最好的模型,我们可以避免在训练过程中遗失表现良好的模型,并在下一次需要进行预测时使用最佳模型

“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