Pytorch 网络模型的保存与加载

模型的保存

保存方式一

这种保存方式不仅保存了网络模型的结构，而且保存了网络模型的参数

import torch
import torchvision

vgg16 = torchvision.models.vgg16(pretrained=False)  # 使用没有经过训练的参数

# 第一种保存方式
# 这种保存方式不仅保存了网络模型的结构，而且保存了网络模型的参数
torch.save(vgg16, "vgg16_method1.pth")              # 待保存模型是 vgg16, 保存路径是vgg16_method1.pth, 推荐是 pth 文件

运行后会将模型保存在vgg16_method1.pth 文件中

保存方式二

import torch
import torchvision

vgg16 = torchvision.models.vgg16(pretrained=False)  # 使用没有经过训练的参数

# 第二种保存方式
# 将vgg16 网络模型中的参数保存成字典的形式, 不保存网络模型的参数, 官方推荐
torch.save(vgg16.state_dict(), "vgg16_method2.pth")

模型的加载

加载方式一

对应保存方式1 加载数据

import torch

# 对应保存方式1, 加载模型
model = torch.load("vgg16_method1.pth")
print(model)

加载方式二

对应保存方式二，将通过保存方式二保存的模型数据加载出相应的模型

import torch

# 对应保存方式二, 加载模型
model = torch.load("vgg16_method2.pth")
print(model)

可以看到，网络模型中的各种参数都被保存在字典中。

如何将这些字典的数据恢复成网络模型呢？

import torch
import torchvision.models


# 对应保存方式二, 加载模型
vgg16 = torchvision.models.vgg16(pretrained=False)
vgg16.load_state_dict(torch.load("vgg16_method2.pth"))      # torch.load("vgg16_method2.pth") 返回的是一个字典, 将字典中的数据加载到 vgg16 中

print(vgg16)

注意事项

我们自己创建一个网络模型并通过方式一保存：

import torch
from torch import nn

class Model(nn.Module):
    def __init__(self) -> None:
        super().__init__()
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3)

    def forward(self, input):
        x = self.conv1(input)
        return input


model = Model()
torch.save(model, "model_method1.pth")

然后加载这个模型：

import torch

model = torch.load("model_method1.pth")
print(model)

会提示报错：

AttributeError: Can't get attribute 'Model' on

我们可以将 模型所在文件 直接引入到 加载模型的代码中就可以解决

from mode_save import *