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
deng12043 分钟前
基于LeNet-5的图像分类小结
人工智能·分类·数据挖掘
d***956221 分钟前
爬虫自动化(DrissionPage)
爬虫·python·自动化
OpenAnolis小助手22 分钟前
直播预告:LLM for AIOPS,是泡沫还是银弹? |《AI 进化论》第六期
人工智能
APIshop28 分钟前
Python 零基础写爬虫:一步步抓取商品详情(超细详解)
开发语言·爬虫·python
我一身正气怎能输30 分钟前
游戏大厂A*寻路优化秘籍:流畅不卡顿
人工智能·游戏
二川bro1 小时前
AutoML自动化机器学习:Python实战指南
python·机器学习·自动化
杨超越luckly1 小时前
基于 Overpass API 的城市电网基础设施与 POI 提取与可视化
python·数据可视化·openstreetmap·电力数据·overpass api
johnny2332 小时前
AI工作流编排平台
人工智能
q***23572 小时前
python的sql解析库-sqlparse
数据库·python·sql
百***35482 小时前
DeepSeek在情感分析中的细粒度识别
人工智能