Pytorch中保存模型的两种方法

目录

一、保存整个模型

这种方法会保存模型的整个定义(包括网络结构和参数)。这样保存的模型可以直接被加载并使用,但前提是保存和加载模型的代码环境需要完全一致。

保存模型时使用代码:

python 复制代码
torch.save(model, 'model.pth')

加载模型时使用代码:

python 复制代码
model = torch.load('model.pth')

二、只保存模型参数

这种方法只会保存模型的状态字典(state_dict),即模型的参数。加载这样的模型需要先定义模型的结构,然后加载参数。

保存模型使用代码:

python 复制代码
torch.save(model.state_dict(), 'params.pth')

加载模型使用代码:

python 复制代码
model = Model()  # 需要先定义模型结构
model.load_state_dict(torch.load('params.pth'))
相关推荐
杭州华望MBSE几秒前
应用案例|兵器重工:LLM驱动的SysML v2建模实践
人工智能·mbse·国产工业软件·llm驱动·sysml建模
今天AI了吗4 分钟前
去中心化 AI 反馈系统:数据不上链,凭证与激励分开管
人工智能·windows·python·数据分析·去中心化·区块链·embedding
蓝速科技5 分钟前
口岸政务窗口双屏翻译机落地应用指南
运维·数据结构·数据库·人工智能·科技·政务
m0_7345717610 分钟前
深入理解人工智能 chatGPT的客户端与接入层 (Client & Access Layer)
人工智能·chatgpt
鲜于言悠90512 分钟前
Transformer架构优化
人工智能
今朝唯我少年郎12 分钟前
Codex安全盲区代码漏洞生成实测
python·程序员
西安圣木通13 分钟前
智能体时代来临:重构企业生产力,开启商业效率新范式
大数据·人工智能·重构
阿里云基础软件14 分钟前
一句话看透 JVM,SysOM 诊断 Skill 新增 Java 应用诊断能力
java·开发语言·jvm·人工智能·操作系统·sysom 诊断 skill