本節我們將會看到如何保存模型狀態、加載和運行模型預測
import torch
import torchvision.models as models
保存和加載模型權重
PyTorch模型在一個稱為 state_dict 的內部狀態字典內保存了學習的引數，可以通過 torch.save實作這一程序，
model = models.vgg16(pretrained=True)
torch.save(model.state_dict(), 'model_weights.pth')
為了加載模型引數，你需要首先創建一個相同模型的物體，然后使用 load_state_dict()加載引數，
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：在推理前，確保呼叫 model.eval() 設定dropout和batch normalization層是評估模式，否則將產生不一致的推斷結果，
使用Shapes保存和加載模型
當加載模型權重時，我們需要首先初始化模型類，因為該類定義了網路結構，我們可能想將模型權重和該類的結構保存在一起，在這種情況下，可以將 model (而不是model.state_dict())傳入保存函式，
torch.save(model, 'model.pth')
加載
model = torch.load('model.pth')
注意：這種方法在序列化模型時使用Python pickle模塊，因此，它依賴于加載模型時可用的實際類的定義，
相關教程
Saving and Loading a General Checkpoint in PyTorch
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423657.html
標籤：其他
上一篇：人人都是 Serverless 架構師 | “盲盒抽獎”創意營銷活動實踐
下一篇：花生殼內網穿透