Pytorch保存模型参数的同时保存训练结果

在使用Pytorch训练神经网络时，想要保存网络模型的参数以便下次读取，那么代码如下：

# 下述两种保存/读取方法等价（）

# 第一种
# 保存
net = get_net()
torch.save(net.state_dict(),"net_state_dict.ckpt")
# 读取， 一定要预先定义网络
net = get_net()
checkpoint = torch.load("net_state_dict.ckpt")
net.load_state_dict(checkpoint)


# 第二种
# 保存
net = get_net()
torch.save(net,"net.ckpt")
# 读取, 不需要预先定义网络
net = torch.load("net.ckpt")

按照上述代码，模型的参数是可以被储存并读取的。但是同时我们想要保存这个模型对应的训练（验证）结果，或者模型对应的损失等信息，除了在文件命名中体现以外，我们可以通过下列方式对除网络参数以外的其他信息进行保存。

# 保存epoch，损失和（验证集）准确率
state = {
            'net': net.state_dict(),
            'acc': acc,
            'epoch': epoch,
            'loss': loss
        }

torch.save(state, 'state.ckpt')
# 这样做的优点是在命名的时候自由性很大，有时只需要保存一个checkpoint从而节省硬盘空间


# 读取的时候，不仅可以读取参数，同时可以读取其他信息
net = get_net()
checkpoint = torch.load('state.ckpt')
net.load_state_dict(checkpoint['net'])
acc = checkpoint['acc']
epoch = checkpoint['epoch']
loss = checkpoint['loss']

这样我们在训练的时候就不需要把所有的信息print或保存到txt文件中，采用这样的方式就可以在训练完毕后查看训练过程中的结果。