南强小屋 Design By 杰米
当我们花费大量的精力训练完网络，下次预测数据时不想再（有时也不必再）训练一次时，这时候torch.save(),torch.load()就要登场了。
保存和加载模型参数有两种方式：
方式一：
torch.save(net.state_dict(),path):
功能：保存训练完的网络的各层参数（即weights和bias)
其中：net.state_dict()获取各层参数，path是文件存放路径(通常保存文件格式为.pt或.pth)
net2.load_state_dict(torch.load(path)):
功能：加载保存到path中的各层参数到神经网络
注意：不可以直接为torch.load_state_dict(path)，此函数不能直接接收字符串类型参数
方式二：
torch.save(net,path):
功能：保存训练完的整个网络模型（不止weights和bias）
net2=torch.load(path):
功能：加载保存到path中的整个神经网络
说明：官方推荐方式一，原因自然是保存的内容少，速度会更快。
以上这篇基于pytorch的保存和加载模型参数的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
标签：
pytorch,保存,加载,模型
南强小屋 Design By 杰米
广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
南强小屋 Design By 杰米
暂无基于pytorch的保存和加载模型参数的方法的评论...
RTX 5090要首发 性能要翻倍！三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB，每个模块容量为2GB。其速度预设为32 Gbps（PAM3），但也可以降至28 Gbps，以提高产量和初始阶段的整体性能和成本效益。
据三星表示，GDDR7内存的能效将提高20%，同时工作电压仅为1.1V，低于标准的1.2V。通过采用更新的封装材料和优化的电路设计，使得在高速运行时的发热量降低，GDDR7的热阻比GDDR6降低了70%。