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
W***2592几秒前
2026企业AI办公工具选型指南:从需求匹配到平台评估
人工智能
石狮松松3 分钟前
第04 章 机器学习、深度学习、大模型到底什么关系
人工智能
有月牙4 分钟前
Work Agent深度解读:AI长程任务的执行机制与落地边界
人工智能
Pingred5 分钟前
我把一个私有化 RAG 系统真正跑通了:LocalRAG v0.1.0 发布
人工智能·python
miofly7 分钟前
Google Gemini 4 Argon:用一个模型完成机器人训练全流程
人工智能
Dmz丶9 分钟前
前端转 AI 100 天 Day 24:API 测试——用 httpx + pytest 测 FastAPI
python
WILLF12 分钟前
《从0搭建AI聊天后端:FastAPI+OpenAI+SSE流式输出》
人工智能·后端
sorry35512 分钟前
从零实现 nanoGPT(七):融合 QKV,让模型实现向原版靠拢
人工智能
后海天行健24 分钟前
实测多款无限画布:协作、AI 生成、大文件加载差异
人工智能
Mark White25 分钟前
什么是秩融合(Rank Fusion)-基于一个kaggle比赛的实践理解
人工智能·机器学习