Pytorch加载和保存模型参数

前言

需要注意的⼀个重要细节是，保存模型的参数不是保存整个模型。加载模型参数时，需要先生成相同结构的模型.

---

1.引入库

import torch
from torch import nn
from torch.nn import functional as F

2.实现方式

class MLP(nn.Module):
    def __init__(self):
        super().__init__()
        self.hidden = nn.Linear(10,50)
        self.out = nn.Linear(50,10)
    
    def forward(self,X):
        return self.out(F.relu(self.hidden(X)))
        
net = MLP()
print(net)
"""
输出结果:
MLP(
  (hidden): Linear(in_features=10, out_features=50, bias=True)
  (out): Linear(in_features=50, out_features=10, bias=True)
)
"""

X = torch.randn(size=(2, 10))
Y = net(X)
print(Y)
"""
输出结果:
tensor([[ 0.0438,  0.0588,  0.0569, -0.1400, -0.2479,  0.1160, -0.3251, -0.1829,
          0.2035, -0.1680],
        [-0.1223, -0.1221, -0.0059,  0.3528, -0.0057,  0.1553, -0.2157,  0.3413,
          0.2524, -0.2509]], grad_fn=)
"""

将模型参数储存下来并加载参数

torch.save(net.state_dict(), 'mlp.params')
clone = MLP()
clone.load_state_dict(torch.load('mlp.params'))
clone.eval()
"""
输出结果:
MLP(
  (hidden): Linear(in_features=10, out_features=50, bias=True)
  (out): Linear(in_features=50, out_features=10, bias=True)
)
"""

由于两个实例具有相同的模型参数，在输⼊相同的X时，两个实例的计算结果应该相同。

Y_clone = clone(X)
Y_clone == Y
"""
输出结果:
tensor([[True, True, True, True, True, True, True, True, True, True],
        [True, True, True, True, True, True, True, True, True, True]])
"""