深度学习-Pytorch如何保存和加载模型
深度学习-Pytorch如何保存和加载模型
用pytorch构建模型，并训练模型，得到一个优化的模型，那么如何保存模型？然后如何又加载模型呢？
pytorch 目前在深度学习具有重要的地位，比起早先的caffe，tensorflow，keras越来越受到欢迎，其他的深度学习框架越来越显得小众。
数据分析
数据分析-Pandas如何转换产生新列
数据分析-Pandas如何统计数据概况
数据分析-Pandas如何轻松处理时间序列数据
数据分析-Pandas如何选择数据子集
数据分析-Pandas如何重塑数据表-CSDN博客
经典算法
经典算法-遗传算法的python实现
经典算法-模拟退火算法的python实现
经典算法-粒子群算法的python实现-CSDN博客
LLM应用
大模型查询工具助手之股票免费查询接口
Python技巧-终端屏幕打印光标和文字控制
如何保存模型
用pytorch构建模型，并训练模型，得到一个优化的模型，那么如何保存模型？
通常模型的信息很多，有些对使用没有用处，只需要保存感兴趣的参数部分状态就行，第二个参数就是模型路径和名称。
torch.save(model.state_dict(), "model.pth")
print("Saved PyTorch Model State to model.pth")
如何加载模型
保存好模型后，如何加载模型，进行使用呢？
这里，需要加载模型的网络结构，当然也需要加载参数部分状态。
model = NeuralNetwork().to(device)
model.load_state_dict(torch.load("model.pth"))
加载模型后，如何使用呢？
这个模型是分类模型，把衣服分为10类，预测也是10类，如下，类似与前文的模型测试部分。
读者可以自行比较下：
[深度学习-Pytorch如何构建和训练模型-CSDN博客]
classes = [
"T-shirt/top",
"Trouser",
"Pullover",
"Dress",
"Coat",
"Sandal",
"Shirt",
"Sneaker",
"Bag",
"Ankle boot",
]
model.eval()
x, y = test_data[0][0], test_data[0][1]
with torch.no_grad():
x = x.to(device)
pred = model(x)
predicted, actual = classes[pred[0].argmax(0)], classes[y]
print(f'Predicted: "{predicted}", Actual: "{actual}"')
Predicted: “Ankle boot”, Actual: “Ankle boot”
以上代码只是一个简单示例，示例代码中的表达式可以根据实际问题进行修改。
觉得有用 收藏 收藏 收藏
点个赞 点个赞 点个赞
End
DeepLearning文章：
深度学习-Pytorch数据集构造和分批加载-CSDN博客
深度学习-Pytorch如何构建和训练模型-CSDN博客
GPT专栏文章：
GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案
GPT实战系列-LangChain + ChatGLM3构建天气查询助手
大模型查询工具助手之股票免费查询接口
GPT实战系列-简单聊聊LangChain
GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(二)
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(一)
GPT实战系列-ChatGLM2模型的微调训练参数解读
GPT实战系列-如何用自己数据微调ChatGLM2模型训练
GPT实战系列-ChatGLM2部署Ubuntu+Cuda11+显存24G实战方案
GPT实战系列-Baichuan2本地化部署实战方案
GPT实战系列-Baichuan2等大模型的计算精度与量化
GPT实战系列-GPT训练的Pretraining，SFT，Reward Modeling，RLHF
GPT实战系列-探究GPT等大模型的文本生成-CSDN博客