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)