PyTorch学习笔记07——模型的保存和加载

序列化与反序列化

模型的保存与加载也称序列化与反序列化
模型在内存中是以对象的形式存储的，而在硬盘中是以二进制序列保存的
序列化：是指将内存当中的某一个对象以二进制序列的形式存储到硬盘中，就可以长久的存储。
反序列化：将硬盘中的二进制数反序列化的放到内存中，得到对象，这样就可以使用模型了。

对应pytorch中的函数：

1. torch.save
   主要参数：

• obj：对象（模型、张量、parameters、dict 等等）
• f：输出路径（指定一个硬盘中的路径去保存）

模型保存有两种方法：
法1：保存整个Module

torch.save(net, path)

法2：保存模型参数

state_dict = net.state_dict()
torch.save(state_dict, path)

比如：

net = LeNet2(classes=2019)

# "训练"
print("训练前: ", net.features[0].weight[0, ...])
net.initialize()
print("训练后: ", net.features[0].weight[0, ...])

path_model = "./model.pkl"
path_state_dict = "./model_state_dict.pkl"

# 保存整个模型
torch.save(net, path_model)

# 保存模型参数
net_state_dict = net.state_dict(