复现论文：打印权重文件的信息

查看信息 

import torch


weights = torch.load('./results/0.pkl')

# 打印出所有的键
for key in weights:
    print(key)

# 查看特定参数的形状
print(weights['conv1.weight'].size())

自定义保存额外信息

1. 自定义保存额外信息

在训练时，可以选择以某种方式手动保存这些元数据。例如，在PyTorch中，除了保存模型的state_dict，你还可以保存一个包含训练元数据的字典，如下所示：

# 假设 model 是你的模型实例，optimizer 是你的优化器实例
torch.save({
    'epoch': epoch,
    'model_state_dict': model.state_dict(),
    'optimizer_state_dict': optimizer.state_dict(),
    'learning_rate': learning_rate,
    # 可以添加更多需要的信息
}, 'model_with_metadata.pth')

加载这个文件时，你可以读取这些额外的信息：

checkpoint = torch.load('model_with_metadata.pth')
epoch = checkpoint['epoch']
learning_rate = checkpoint['learning_rate']
model.load_state_dict(checkpoint['model_state_dict'])
optimizer.load_state_dict(checkpoint['optimizer_state_dict'])

2. 查看优化器状态

在某些情况下，如果你保存了优化器的状态（optimizer.state_dict()），你可以从中获取到某些训练参数，比如学习率。但是，这仍然不会直接告诉你总的训练epochs数，只能提供在保存时刻的优化器状态，如当前学习率：

optimizer_state = checkpoint['optimizer_state_dict']
current_lr = optimizer_state['param_groups'][0]['lr']