model_save和model_load

文件保存的两个方法，以及易出现错误的一个点。

import torch
import torchvision.models
from torch import nn

vgg16=torchvision.models.vgg16(weights=None)

#保存方式1
torch.save(vgg16,"vgg16_method1.pth")  #不仅保存了模型结构还保存了模型参数

#保存方式2(官方推荐)    占的内存小
torch.save(vgg16.state_dict(),"vgg16_method2.pth") 
#将vgg16中的参数保存成字典，不保存网络模型的结构

#陷阱1——方式1
class Ning(nn.Module):
    def __init__(self):
        super(Ning,self).__init__()
        self.conv1=nn.Conv2d(3,64,kernel_size=3)

    def forward(self,x):
        x=self.conv1(x)
        return x

ning=Ning()
torch.save(ning,"ning_method1.pth")

文件导入的两个方法及一个易错点

#保存方式1——加载模型
import torch
import torchvision.models

model=torch.load("vgg16_method1.pth")   #模型路径

print(model)

#保存方式2——加载模型
model=torch.load("vgg16_method2.pth")   #模型路径

print(model)

#恢复网络模型
vgg16=torchvision.models.vgg16(weights=None)
vgg16.load_state_dict(torch.load("vgg16_method2.pth"))
print(vgg16)


#陷阱1——方式1
class Ning(nn.Module):
    def __init__(self):
        super(Ning,self).__init__()
        self.conv1=nn.Conv2d(3,64,kernel_size=3)

    def forward(self,x):
        x=self.conv1(x)
        return x                       
    #如果自己构建的网络模型没有另外保存文件，或保存后没有导入，则必须将自定义网络复制过来
    #导入自定义文件代码
    #from model_save import *

model=torch.load("ning_method1.pth")
print(model)