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。

python 复制代码

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。

python 复制代码

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]

python 复制代码

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}"')