5、深度学习中的模型保存与卷积神经网络入门

深度学习中的模型保存与卷积神经网络入门

模型保存与恢复

在深度学习中，模型的保存和恢复是很重要的操作。我们可以按照以下方式重新加载模型：

simplenet = torch.load("/tmp/simplenet")

这种方法会将模型的参数和结构都保存到一个文件中。不过，如果后续更改了模型的结构，可能会出现问题。因此，更常见的做法是保存模型的 state_dict 。这是一个标准的Python字典，包含了模型中每个层的参数映射。保存 state_dict 的代码如下：

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

要恢复模型，首先需要创建模型的实例，然后使用 load_state_dict 方法。以 SimpleNet 为例：

simplenet = SimpleNet()
simplenet_state_dict = torch.load("/tmp/simplenet")
simplenet.load_state_dict(simplenet_state_dict)

这样做的好处是，如果对模型进行了扩展，可以在 load_state_dict 中提供 strict=False <