一、前言

在模型訓(xùn)練完成后，我們需要保存模型參數(shù)值用于后續(xù)的測(cè)試過程。由于保存整個(gè)模型將耗費(fèi)大量的存儲(chǔ)，故推薦的做法是只保存參數(shù)，使用時(shí)只需在建好模型的基礎(chǔ)上加載。

通常來說，保存的對(duì)象包括網(wǎng)絡(luò)參數(shù)值、優(yōu)化器參數(shù)值、epoch值等。本文將簡單介紹保存和加載模型參數(shù)的方法，同時(shí)也給出保存整個(gè)模型的方法供大家參考。

二、參數(shù)保存

在這里我們使用 torch.save() 函數(shù)保存模型參數(shù)：

import torch
path = './model.pth'
torch.save(model.state_dict(), path)

model——指定義的模型實(shí)例變量，如model=net( )

state_dict()——state_dict( )是一個(gè)可以輕松地保存、更新、修改和恢復(fù)的python字典對(duì)象, 對(duì)于model來說，表示模型的每一層的權(quán)重及偏置等參數(shù)信息；對(duì)于 optimizer 來說，其包含了優(yōu)化器的狀態(tài)以及被使用的超參數(shù)(如lr, momentum,weight_decay等)

path——path是保存參數(shù)的路徑，一般設(shè)置為 path='./model.pth' , path='./model.pkl'等形式。

此外，如果想保存某一次訓(xùn)練采用的optimizer、epochs等信息，可將這些信息組合起來構(gòu)成一個(gè)字典保存起來：

import torch
path = './model.pth'
state = {'model': model.state_dict(), 'optimizer': optimizer.state_dict(), 'epoch': epoch}
torch.save(state, path)

三、參數(shù)的加載

使用 load_state_dict()函數(shù)加載參數(shù)到模型中， 當(dāng)僅保存了模型參數(shù)，而沒有optimizer、epochs等信息時(shí)：

model.load_state_dict(torch.load(path))

model——事先定義好的跟原模型一致的模型

path——之前保存的模型參數(shù)文件

如若保存了optimizer、epochs等信息，我們這樣載入信息：

# 使用torch.load()函數(shù)將文件中字典信息載入 state_dict 變量中
state_dict = torch.load(path)
# 分布加載參數(shù)到模型和優(yōu)化器
model.load_state_dict(state_dict['model'])
optimizer.load_state_dict(state_dict['optimizer'])
epoch = state_dict(['epoch'])

我們還可以在每n個(gè)epoch后保存一次參數(shù)，以觀察不同迭代次數(shù)模型的表現(xiàn)。此時(shí)我們可設(shè)置不同的path，如 path='./model' + str(epoch) +'.pth'，這樣，不同epoch的參數(shù)就能保存在不同的文件中。

四、保存和加載整個(gè)模型

使用上文提到的方法即可：

torch.save(model, path)
model = torch.load(path)

五、總結(jié)

pytorch中state_dict()和load_state_dict()函數(shù)配合使用可以實(shí)現(xiàn)狀態(tài)的獲取與重載，load()和save()函數(shù)配合使用可以實(shí)現(xiàn)參數(shù)的存儲(chǔ)與讀取。掌握對(duì)應(yīng)的函數(shù)使用方法就可以游刃有余地進(jìn)行運(yùn)用。

到此這篇關(guān)于Pytorch模型參數(shù)的保存和加載的文章就介紹到這了,更多相關(guān)Pytorch模型參數(shù)保存內(nèi)容請(qǐng)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(píng)論