第五章模型篇：模型保存与加载

关注

VIP免费原创最新推荐文章于 2025-08-02 16:15:01 发布 2.1k 阅读 AI 写同款· GEO 优化 ›

Pytorch学习笔记十七：模型的保存与加载一、模型的保存与加载当我们的模型训练好之后是需要保存下来，以备后续的使用，那么如何保存和加载模型呢？下面就从三个方面来理解一下。 1、序列化与反序列化序列化是指内存中的某一对象保存到硬盘中，以二进制的形式存储下来，这就是一个序列化的过程；反序列化就是将硬盘中的存储的二进制数反序列化到内存中，得到一个相应的对象，这样就可以再次使用这个模型了。如下图所示：序列化和反序列化的目的就是将模型保存并再次使用。 pytorch中序列化和反序列化的方法： torch.save(obj, f)：obj表示对象，也就阅读详情

参考教程：
https://pytorch.org/tutorials/beginner/basics/saveloadrun_tutorial.html

训练好的模型，可以保存下来，用于后续的预测或者训练过程的重启。
为了便于理解模型保存和加载的过程，我们定义一个简单的小模型作为例子，进行后续的讲解。

这个模型里面包含一个名为self.p1的Parameter和一个名为conv1的卷积层。我们没有给模型定义forward()函数，是因为暂时不需要用到该方法。假如你想使用这个模型对数据进行前向传播，会返回 “NotImplementedError: Module [Model] is missing the required “forward” function”。

import torch
import torch.nn as nn
class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.t1 = torch.randn((3,2))
        self.p1 = nn.Parameter(self.t1)
        self.conv1 = nn.Conv2d(1, 1, 5)
net = Model()

pytorch中的保存与加载

首先我们来看一下pytorch中的保存和加载的方法是怎么实现的。

torch.save()

参考文档：https://pytorch.org/docs/stable/generated/torch.save.html
首先来看一下torch.save()函数。

torch.save(obj, f, pickle_module=pickle, pickle_protocol=DEFAULT_PROTOCOL, _use_new_zipfile_serialization=True)

torch.save()函数传入的第一个参数，就是我们要保存的对象，它的类别要求是object，而没有限定在nn.Module()或者nn.Parameters()等等之间。说明它可以保存的类型是多种多样的，很灵活。
传入的第二个参数是f，f是一个file-like object或者文件路径，也就是我们想要保存的位置。
后面的几个参数可以不用管它，一般也不会用到。从参数名称可以看到，我们想要保存的object是以pickle的形式保存的。因为pickle支持多种数据类型。
在源码中给了两个使用torch.save的例子。

  >>> # xdoctest: +SKIP("makes cwd dirty")
        >>> # Save to file
        >>>

最低0.47元/天解锁文章

标签

#深度学习 #pytorch #python

pytorch模型的保存与加载 PyTorch提供了三种种方式来保存和加载模型，在这三种方式中，加载模型的代码和保存模型的代码必须相匹配，才能保证模型的加载成功。通常情况下，使用第一种方式（保存和加载模型状态字典）更加常见，因为它更轻量且不依赖于特定的模型类。阅读详情

第五章 模型篇： 模型保存与加载

文章目录

pytorch中的保存与加载

torch.save()

相关推荐

第五章模型篇：模型保存与加载