模型的保存加载、模型微调、GPU使用及Pytorch常见报错

序列化与反序列化

序列化就是说内存中的某一个对象保存到硬盘当中，以二进制序列的形式存储下来，这就是一个序列化的过程。 而反序列化，就是将硬盘中存储的二进制的数，反序列化到内存当中，得到一个相应的对象，这样就可以再次使用这个模型了。

序列化和反序列化的目的就是将我们的模型长久的保存。

Pytorch中序列化和反序列化的方法：
torch.save(obj, f): obj表示对象， 也就是我们保存的数据，可以是模型，张量， dict等等， f表示输出的路径
torch.load(f, map_location): f表示文件的路径， map_location指定存放位置， CPU或者GPU， 这个参数挺重要，在使用GPU训练的时候再具体说。
第一种方法比较懒，保存整个的模型架构， 比较费时占内存， 第二种方法是只保留模型上的可学习参数， 等建立一个新的网络结构，然后放上这些参数即可，所以推荐使用第二种。 下面通过代码看看具体怎么使用：

只保留模型参数的话应该怎么再次使用

模型断点续训练

断点续训练技术就是当我们的模型训练的时间非常长，而训练到了中途出现了一些意外情况，比如断电了，当再次来电的时候，我们肯定是希望模型在中途的那个地方继续往下训练，这就需要我们在模型的训练过程中保存一些断点，这样发生意外之后，我们的模型可以从断点处继续训练而不是从头开始。 所以模型训练过程中设置checkpoint也是非常重要的。

那么就有一个问题了， 这个checkpoint里面需要保留哪些参数呢？ 我们可以再次回忆模型训练的五个步骤： 数据 -> 模型 -> 损失函数 -> 优化器 -> 迭代训练。 在这五个步骤中，我们知道数据，损失函数这些是没法变得， 而在迭代训练过程中，我们模型里面的可学习参数， 优化器里的一些缓存是会变的， 所以我们需要保留这些东西。所以我们的checkpoint里面需要保存模型的数据，优化器的数据，还有迭代到了第几次。

下面通过人民币二分类的实验，模拟一个训练过程中的意外中断和恢复，看看怎么使用这个断点续训练：

发生了一个意外中断，但是我们设置了断点并且进行保存，那么我们下面就进行恢复， 从断点处进行训练，也就是上面的第6个epoch开始，我们看看怎么恢复断点训练：

所以在模型的训练过程当中， 以一定的间隔去保存我们的模型，保存断点，在断点里面不仅要保存模型的参数，还要保存优化器的参数。这样才可以在意外中断之后恢复训练。

GPU的使用

系统学习Pytorch笔记十： 模型的保存加载、模型微调、GPU使用及Pytorch常见报错