当前位置：首页 > news >正文

怎么在四川建设厅网站上进行劳务合同备案亚马逊市场营销案例分析

news 2025/8/10 22:09:55

怎么在四川建设厅网站上进行劳务合同备案,亚马逊市场营销案例分析,建筑公司企业愿景模板平台,溧阳建设工程监理网站在 PyTorch 中，有几种常见的方法来保存和加载模型，具体方法取决于你想保存什么内容（例如，只保存模型的权重，还是保存整个模型）。下面我将介绍几种常见的保存和加载模型的方法。 1、保存和加载模型的 state…

在 PyTorch 中，有几种常见的方法来保存和加载模型，具体方法取决于你想保存什么内容（例如，只保存模型的权重，还是保存整个模型）。下面我将介绍几种常见的保存和加载模型的方法。

1、保存和加载模型的 `state_dict`

state_dict 是一个简单的 Python 字典对象，它将每一层的参数映射到其对应的张量（tensor）。这是最推荐的保存方式，因为它只保存模型的权重和参数，而不依赖于模型的代码结构。
保存模型的 state_dict：

import torch
import torch.nn as nn# 假设我们有一个模型
model = nn.Linear(10, 2)# 保存模型的 state_dict
torch.save(model.state_dict(), 'model.pth')

加载模型的 state_dict：

import torch
import torch.nn as nn# 假设我们有相同结构的模型
model = nn.Linear(10, 2)# 加载 state_dict
model.load_state_dict(torch.load('model.pth'))# 使用模型
model.eval()

2、保存和加载整个模型

这种方法不仅保存了模型的权重和参数，还保存了模型的结构。因此，整个模型在加载时不需要再定义模型结构。尽管这提供了更大的便利性，但也有一些缺点，比如文件可能与代码过于耦合（会保存模型的类和结构，如果代码发生变化可能无法加载）。
保存整个模型：

import torch
import torch.nn as nn# 假设我们有一个模型
model = nn.Linear(10, 2)# 保存整个模型
torch.save(model, 'model_entire.pth')

加载整个模型：

import torch# 加载整个模型
model = torch.load('model_entire.pth')# 使用模型
model.eval()

3、保存和加载 checkpoint（保存更多的训练状态）

如果你希望保存更多的训练信息，例如优化器状态、当前的 epoch 以及训练损失等，以便后续继续训练，可以保存一个包含多个内容的字典。
保存 checkpoint：

import torch
import torch.nn as nn
import torch.optim as optim# 假设我们有一个模型和优化器
model = nn.Linear(10, 2)
optimizer = optim.SGD(model.parameters(), lr=0.001)# 保存 checkpoint
checkpoint = {'epoch': 10,'model_state_dict': model.state_dict(),'optimizer_state_dict': optimizer.state_dict(),'loss': 0.5,
}torch.save(checkpoint, 'checkpoint.pth')

加载 checkpoint：

import torch
import torch.nn as nn
import torch.optim as optim# 假设我们有相同结构的模型和优化器
model = nn.Linear(10, 2)
optimizer = optim.SGD(model.parameters(), lr=0.001)# 加载 checkpoint
checkpoint = torch.load('checkpoint.pth')
model.load_state_dict(checkpoint['model_state_dict'])
optimizer.load_state_dict(checkpoint['optimizer_state_dict'])
epoch = checkpoint['epoch']
loss = checkpoint['loss']# 恢复训练
model.train()

4、动态量化后的模型保存与加载

如果你对模型进行了量化（如动态量化），你可能需要保存量化后的模型。保存和加载方法与保存 state_dict 类似。
动态量化模型：

import torch
import torch.nn as nn# 假设我们有一个模型
model = nn.Linear(10, 2)# 进行动态量化
quantized_model = torch.quantization.quantize_dynamic(model, {nn.Linear}, dtype=torch.qint8
)# 保存量化后的模型
torch.save(quantized_model.state_dict(), 'quantized_model.pth')

加载量化模型：

import torch
import torch.nn as nn# 重新定义与量化前相同的模型结构
model = nn.Linear(10, 2)# 加载量化后的模型权重
model.load_state_dict(torch.load('quantized_model.pth'))
model.eval()