模型的保存與加載

首先，需要導入兩個包

import torch
import torchvision.models as models

保存和加載模型參數(shù)

PyTorch模型將學習到的參數(shù)存儲在一個內(nèi)部狀態(tài)字典中，叫做state_dict。這可以通過torch.save方法來實現(xiàn)。
我們導入預訓練好的VGG16模型，并將其保存。我們將state_dict字典保存在model_weights.pth文件中。

model = models.vgg16(pretrained=True)
torch.save(model.state_dict(), 'model_weights.pth')

想要加載模型參數(shù)，我們需要創(chuàng)建一個和原模型一樣的實例，然后通過load_state_dict()方法來加載模型參數(shù)

• 創(chuàng)建一個VGG16模型實例（未經(jīng)過預訓練的）
• 加載本地參數(shù)

model = models.vgg16() # we do not specify pretrained=True, i.e. do not load default weights
model.load_state_dict(torch.load('model_weights.pth'))
model.eval()

注意：在進行測試前，如果模型中有dropout層和batch normalization層的話，一定要使用model.eval()將模型轉(zhuǎn)到測試模式。

• 在train模式下，dropout網(wǎng)絡層會按照設定的參數(shù)p設置保留激活單元的概率（保留概率=p); batchnorm層會繼續(xù)計算數(shù)據(jù)的mean和var等參數(shù)并更新。
• 在val模式下，dropout層會讓所有的激活單元都通過，而batchnorm層會停止計算和更新mean和var，直接使用在訓練階段已經(jīng)學出的mean和var值

當然，相同的，在模型進行訓練之前，要使用model.train()來將模型轉(zhuǎn)為訓練模式

保存和加載模型參數(shù)與結(jié)構(gòu)

當加載模型權(quán)重時，我們需要首先實例化模型類，因為類定義了網(wǎng)絡的結(jié)構(gòu)。我們可能希望將這個類的結(jié)構(gòu)與模型保存在一起。這樣的話，我們可以將model而不是model.state_dict()作為參數(shù)。

torch.save(model, 'model.pth')

這樣，我們加載模型的時候就不用再新建一個實例了。加載方式如下所示

model = torch.load('model.pth')

這種方式在網(wǎng)絡比較大的時候可能比較慢，因為相較于上面的方式多存儲了網(wǎng)絡的結(jié)構(gòu)

總結(jié)

到此這篇關(guān)于PyTorch模型的保存與加載方法的文章就介紹到這了,更多相關(guān)PyTorch模型保存加載內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論