PyTorc读取和保存模型参数_opt.resume

只保存参数信息

加载

checkpoint = torch.load(opt.resume)
model.load_state_dict(checkpoint)
1
2

保存

torch.save(self.state_dict(),file_path)
1

这而只保存了参数信息，读取时也只有参数信息，模型结构需要手动编写

保存整个模型

保存
torch.save(the_model, PATH)

加载：
the_model = torch.load(PATH)

---

有时候会看到加载时

model.load_state_dict(checkpoint['state_dic'])
1

这是因为checkpoint是一个字典，保存的key可以自己定义。
可以保存除参数信息之外的其它信息，如epoch等。

保存：

torch.save({
        'epoch': epoch + 1,
        'arch': args.arch,
        'state_dict': model.state_dict(),
        'best_prec1': best_prec1,
    }, 'checkpoint.tar' )
1
2
3
4
5
6

加载：

if args.resume:
    if os.path.isfile(args.resume):
        print("=> loading checkpoint '{}'".format(args.resume))
        checkpoint = torch.load(args.resume)
        args.start_epoch = checkpoint['epoch']
        best_prec1 = checkpoint['best_prec1']
        model.load_state_dict(checkpoint['state_dict'])
        print("=> loaded checkpoint '{}' (epoch {})"
              .format(args.evaluate, checkpoint['epoch']))
1
2
3
4
5
6
7
8
9

model.state_dict就是一个字典，可以遍历

for k,v in model.state_dict():
    print(k)
    print(v)
1
2
3