pytorch--load()模型参数加载

原创

于 2019-08-09 23:14:23 发布 · 5.8k 阅读

10 ·

CC 4.0 BY-SA版权

本文介绍了PyTorch中模型加载的过程，强调了在CPU和GPU环境间切换时如何正确使用`load()`函数，包括数据加载的注意事项和解决在无GPU环境下加载GPU模型的报错问题，提供了具体的代码示例和相关项目链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

加载模型，一部分用于测试阶段，主要知识点在于数据加载的问题【torch.device】
官网链接1
官网链接2

不解释save
代码示例：

>>> torch.load('tensors.pt')
# Load all tensors onto the CPU
>>> torch.load('tensors.pt', map_location=torch.device('cpu'))
# Load all tensors onto the CPU, using a function
>>> torch.load('tensors.pt', map_location=lambda storage, loc: storage)
# Load all tensors onto GPU 1
>>> torch.load('tensors.pt', map_location=lambda storage, loc: storage.cuda(1))
# Map tensors from GPU 1 to GPU 0
>>> torch.load('tensors.pt', map_location={'cuda:1':'cuda:0'})
# Load tensor from io.BytesIO object
>>> with open('tensor.pt', 'rb') as f:
        buffer = io.BytesIO(f.read())
>>> torch.load(buffer)

这里需要解释的是，不论之前save时tensor是cpu还是gpu，load时