文章目录
一、pth 文件中保存的是什么
import torch
state_dict = torch.load("resnet18.pth")
print(type(state_dict))
---------------
<class 'collections.OrderedDict'>
如上打印输出所示，pth 文件通过 有序字典 来保存模型参数。有序字典与常规字典一样，但是在排序操作方面有一些额外的功能。常规的 dict 是无序的，OrderedDict 能够比 dict 更好地处理频繁的重新排序操作。
二、使用 torch.save()/torch.load() 保存/恢复模型
1. torch.save() 保存模型
- 先建立一个字典，保存三个参数。
- 调用torch.save()，即可保存对应的pth文件。
state_dict = {‘net':model.state_dict(), 'optimizer':optimizer.state_dict(), 'epoch':epoch}
torch.save(state_dict , dir)
--------------------------------
torch.save(model.state_dict,dir)
需要注意的是若模型是由 nn.Moudle 类继承的模型，保存 pth 文件时，state_dict 参数需要由model.state_dict 指定。
2. torch.load() 恢复模型
当你想恢复某一阶段的训练（或者进行测试）时，那么就可以读取之前保存的网络模型参数等。
checkpoint = torch.load(dir)
model.load_state_dict(checkpoint['net'])
optimizer.load_state_dict(checkpoint['optimizer'])
start_epoch = checkpoint['epoch'] + 1
参考链接
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/118930.html
