【动手学深度学习】5.5 读写文件（个人向笔记）

• 有时我们希望保存训练的模型以在将来的各种环境中使用
• 当运行一个耗时较长的训练过程时，最佳的做法是定期保存中间结果，以防止服务器电源被不小心断掉而导致浪费掉前面的训练

---

1. 加载和保存张量

• 对于单个张量，我们可以直接调用load和save分别读写它们
• 两个函数都要求我们提供一个名称，其中save要求将保存的变量作为输入
  
• 可以存储一个张量列表，然后将它们读回内存
  
• 还可以写入或者读取字符串映射到张量的字典，这在我们要读取和写入模型中的所有权重时很方便
  

---

2. 加载和保存模型参数

• 如果我们想保存一整个模型的参数，像上面那样一个个保存张量会很麻烦
• 不过深度学习框架提供了内置函数来加载和保存整个模型。不过保存的是模型的参数而不是整个模型。
• 由于模型本身可以包含任意代码，所以模型本身是难以序列化的。所以为了恢复模型，我们需要用代码生成架构后再加载保存好的参数，下面我们从MLP开始尝试
  
• 我们用save进行保存，注意这里保存的是net.state_dict()
  
• 下面我们实例化一个MLP，但是不随机初始化模型参数，而是直接读取文件中的参数
  
• 由于两个实例有相同的参数，所以在输入相同时它们的输出应该是相同的