PyTorch之保存加载模型

本文来自pytorch官网，主要讲述如何保存和导入模型。
一般而言，保存和导入模型我们必须得熟悉三个核心函数：
1.torch.save：将序列化的对象保存起来，可以使用这个函数去保存模型，张量和字典。并且使用Python的pickle去实现序列化（serialization）。
2.torch.load:使用pickle的unpickling工具将pickled对象文件反序列化到内存中。
3.torch.nn.Module.load_state_dict:使用反序列state_dict导入模型参数。

一、什么是state_dict？

torch.nn.Module中的可学习的参数（weights和bias）可以使用mode.parameters（）获得。state_dict是一个简单的python字典对象，它将每个层中的参数映射到张量中。
具有可学习参数的层(卷积层、线性层等)才有model's state_dict中的条目。优化器对象(torch.optim)也有state_dict，其中包含关于优化器状态以及所使用的超参数的信息。

二、保存和加载模型

Save:：torch.save(model.state_dict(), PATH)