这篇文章主要介绍“Pytorch模型参数如何保存和加载”，在日常操作中，相信很多人在Pytorch模型参数如何保存和加载问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Pytorch模型参数如何保存和加载”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
一、前言
在模型训练完成后，我们需要保存模型参数值用于后续的测试过程。由于保存整个模型将耗费大量的存储，故推荐的做法是只保存参数，使用时只需在建好模型的基础上加载。通常来说，保存的对象包括网络参数值、优化器参数值、epoch值等。
二、参数保存
在这里我们使用 torch.save() 函数保存模型参数：
import torch path = './model.pth' torch.save(model.state_dict(), path)
model——指定义的模型实例变量，如model=net( )
state_dict()——state_dict( )是一个可以轻松地保存、更新、修改和恢复的python字典对象, 对于model来说，表示模型的每一层的权重及偏置等参数信息；对于 optimizer 来说，其包含了优化器的状态以及被使用的超参数(如lr, momentum,weight_decay等)
path——path是保存参数的路径，一般设置为 path='./model.pth' , path='./model.pkl'等形式。
此外，如果想保存某一次训练采用的optimizer、epochs等信息，可将这些信息组合起来构成一个字典保存起来：
import torch
path = './model.pth'
state = {'model': model.state_dict(), 'optimizer': optimizer.state_dict(), 'epoch': epoch}
torch.save(state, path)三、参数的加载
使用 load_state_dict()函数加载参数到模型中， 当仅保存了模型参数，而没有optimizer、epochs等信息时：
model.load_state_dict(torch.load(path))
model——事先定义好的跟原模型一致的模型
path——之前保存的模型参数文件
如若保存了optimizer、epochs等信息，我们这样载入信息：
# 使用torch.load()函数将文件中字典信息载入 state_dict 变量中 state_dict = torch.load(path) # 分布加载参数到模型和优化器 model.load_state_dict(state_dict['model']) optimizer.load_state_dict(state_dict['optimizer']) epoch = state_dict(['epoch'])
我们还可以在每n个epoch后保存一次参数，以观察不同迭代次数模型的表现。此时我们可设置不同的path，如 path='./model' + str(epoch) +'.pth'，这样，不同epoch的参数就能保存在不同的文件中。
四、保存和加载整个模型
使用上文提到的方法即可：
torch.save(model, path) model = torch.load(path)