关于pytorch的save函数

最新推荐文章于 2025-07-20 00:21:53 发布
最新推荐文章于 2025-07-20 00:21:53 发布
阅读量1.3k 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/vectorindex/article/details/115467577
本文探讨了在PyTorch中保存和加载模型时遇到的问题，特别是`collections.OrderedDict`对象没有'forward'属性的错误。示例代码展示了如何使用`torch.save()`函数分别保存模型的状态字典和整个模型对象。在测试阶段，只保存状态字典会导致模型无法执行前向传播。解决此问题需要完整保存和加载模型实例。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 # torch.save(Modul.state_dict(),store_dir)#保存训练模型
        torch.save(Modul,store_dir)#上面的只保存了参数 测试时会'collections.OrderedDict' object has no attribute 'forward'

RT#上面的只保存了参数 测试时会'collections.OrderedDict' object has no attribute 'forward'

注意：input的store_dir需要给出文件名 exp:C:/test/model.pt     错误：C:/test/

【Pytorch实用教程】pytorch中torch.save的详细介绍和用法
若北辰
09-05 754
torch.save是 PyTorch 提供的函数，用于。其常见用法是保存训练后的模型，以及保存张量等其它数据结构。
【PyTorch】基础学习：一文详细介绍 torch.save() 的用法和应用
m0_59235508的博客
04-15 6937
作为PyTorch中用于保存模型或张量的重要函数，在实际项目中发挥着至关重要的作用。通过掌握其基本用法和高级功能，我们可以更加高效地进行模型的保存、加载和共享操作，为深度学习项目的开发提供有力支持。展望未来，随着深度学习技术的不断发展和应用领域的拓展，对模型保存和加载的需求也将更加多样化和复杂化。相信在PyTorch等开源框架的持续努力下，我们将拥有更加完善和强大的模型序列化工具，为深度学习领域的发展注入新的动力。希望本文能够为大家在PyTorch的学习和使用中提供一些帮助和启示。
torch.save的用法
辉的博客
12-30 496
torch.save 是 PyTorch 中用于保存对象（如模型、张量、字典等）的函数。它可以将数据序列化并保存到文件中，方便后续加载和使用。
使用pytorch保存和加载预训练的模型方法
basketball616的博客
05-08 1141
保存和加载整个模型时，需要确保自定义的模型类在加载代码中已经定义，否则会报错。
torch.save()用法
weixin_38410551的博客
09-27 4万+
torch.save()用法：保存模型参数 参考链接： https://www.cnblogs.com/qinduanyinghua/p/9311410.html
torch.save()
热门推荐
RUN
09-27 5万+
pytorch保存模型等相关参数，利用torch.save()，以及读取保存之后的文件 本文分为两部分，第一部分讲如何保存模型参数，优化器参数等等，第二部分则讲如何读取。 假设网络为model = Net(), optimizer = optim.Adam(model.parameters(), lr=args.lr), 假设在某个epoch，我们要保存模型参数，优化器参数以及epoch 一、save 先建立一个字典，保存三个参数： state = {‘net’:model.state_dict(),
pytorch自定义函数实现自动梯度
智国的博客
07-25 1793
Motivation 构建模型有时需要使用自定义的函数，为了不影响模型的反向传播，需要实现自动梯度计算（即把自定义函数嵌入计算图）。 实现 要点： 将函数定义为类，需继承自torch.autograd.Function类 需实现两个静态方法：forward()和backward()，分别对应前向传播和反向传播 函数使用前需调用apply方法从而嵌入计算图，实现自动求导 用一个例子来说明: 假设我们要实现一个多项式拟合模型： y=a+bP2(cx+d)y = a + bP_2(cx + d)y=a+bP
pytorch relu函数实现_Pytorch 自定义Function
weixin_39613824的博客
12-20 1559
转载：https://zhuanlan.zhihu.com/p/27783097https://zhuanlan.zhihu.com/XavierLin0. 本章内容在本次，我们将学习如何自定义一个torch.autograd.Function，下面是本次的主要内容1. 对Function的直观理解；2. Function与Module的差异与应用场景；3. 写一个简单的ReLU Function...
【AI】Pytorch_损失函数&优化器
专注大前端
09-03 2168
持续更新至pytorch大部分内容更完。本文已达到10w字，故按模块拆开，详见目录导航。整体框架如下损失函数及优化器。
Pytorch常用函数手册
weixin_46556352的博客
03-07 1684
第六章torch.nn.init .............................................................................................................. 144。第十四章torch.utils.model_zoo .......................................................................................... 168。
PyTorch 中常用的函数方法
weixin_73504499的博客
10-28 1315
PyTorch是一个广泛使用的深度学习框架，它提供了丰富的函数和方法来处理张量、构建和训练神经网络
Pytorch之torch.saves()语法、参数和实际应用案例
最新发布
王国平的博客
07-20 668
`torch.save()` 是 PyTorch 中用于序列化和保存对象到磁盘的核心函数。它通过 Python 的 `pickle` 模块实现对象的持久化存储，支持保存模型、张量、优化器状态、训练配置等几乎所有 PyTorch 对象，是模型 checkpointing 和迁移学习的基础工具。
Python基本语法——模型的保存torch.save()
AIChemist
03-07 4279
转载 pytorch保存模型等相关参数，利用torch.save()，以及读取保存之后的文件
torch.save() torch.load()
t20134297的博客
11-06 2554
在使用pytorch进行深度学习训练的时候，经常会有些内容需要保存下来，保存到硬盘张，不管什么时候我们都可以读取到，那么这个时候，使用torch.save()就可以将内容存储器来，使用torch.load()就可以将存取的内容读取出来。 1.torch.save()使用方法 torch.save()使用的时候需要往里面放进去两个参数，分别是要存储的内容和存储的地址。下面是个例子： import torch statemement = {'name':'dalishi','age':19} torc
pytorch之torch.save()和torch.load()方法详细说明
yueguang8的博客
03-21 4116
torch.save()和torch.load()是PyTorch中用于模型保存和加载的函数。它们提供了一种方便的方式来保存和恢复模型的状态、结构和参数。可以使用它们来保存和加载整个模型或其他任意的Python对象，并且可以在加载模型时指定目标设备。
pytorch中的torch.save()和torch.load()
欢迎来到道的世界
10-28 1万+
一.用法介绍  pytorch中torch.save()和torch.load()分别表示模型的存储和加载，具体相关的用法如下所示： torch.save(obj,f,pickle_module=pickle,pickle_protocol=DEFAULT_PROTOCOL,_use_new_zipfile_serialization=True) obj：需要保存的对象，可以是整个模型或者是模型参数 f：保存模型的路径 pickle_module：用于清除元数据和对象的模块 pickle_protoco
【PyTorch】进阶学习：一文详细介绍 torch.save() 的应用场景、实战代码示例
创作高质量博文，分享知识，共同进步！
03-17 1699
🚀PyTorch进阶之旅：torch.save()应用全揭秘🔍 本文带你深入PyTorch的torch.save()函数，解锁其在模型训练、部署、迁移学习等多个场景中的强大应用。📈训练过程检查点保存，让模型训练更稳定；💻模型部署与推理加速，提升实际应用效率；📚迁移学习与微调，让模型快速适应新任务；📂版本控制与共享，让团队协作更高效。此外，还有模型可视化与调试、序列化与反序列化等高级应用等你来探索！🔍读完本文，你将全面掌握torch.save()的实战技巧，开启深度学习新篇章！#PyTorch
torch.load、torch.save、torch.optim.Adam的用法
wf6892的博客
10-28 9316
一、torch.save() 1.只保存model的权重 2.保存多项内容 二、torch.load() 三、torch.optim.Adam 1.optim.Adam()参数说明 optim.Adam()(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0) 参考(147条消息) pytorch 中 torch.optim.Adam 方法的使用和参数的解释_Ibelievesunshine的博客-优快云博客_t
convert函数pytorch
01-06
### 关于 PyTorch 中 `convert` 函数 在 PyTorch 的官方文档以及常见实践中，并不存在名为 `convert` 的特定函数。通常情况下，涉及数据类型的转换或是张量与其他形式的数据之间的转换操作会通过其他方法实现。 对于将不同框架中的模型或对象转换为 PyTorch 可用的形式，可能会涉及到具体的工具包或者是自定义编写的辅助函数来完成这一过程。例如，在 TensorRT 和 PyTorch 之间传递数据时，可以见到类似的转换逻辑： ```python in_0 = pb_utils.get_input_tensor_by_name(request, "INPUT0") in_1 = pb_utils.get_input_tensor_by_name(request, "INPUT1") out_0, out_1 = self.add_sub_model(in_0.as_numpy(), in_1.as_numpy()) ``` 上述代码展示了如何从请求中获取输入张量并将其转化为 NumPy 数组以便进一步处理[^1]。然而这并不是 PyTorch 自带的 `convert` 功能的一部分。 当提到 PyTorch 内部的数据类型转换时，更常见的做法是利用 `.to()` 或者 `.type_as()` 这样的方法来进行设备间的迁移（CPU/GPU）或者精度上的调整；而对于保存和加载模型，则有专门的 API 如 `torch.save()` 和 `torch.load()` 来支持不同的存储格式。 如果目标是从其他库导入权重到 PyTorch 模型中，那么可能需要编写额外的映射逻辑以确保参数能够正确对应上。而创建新的神经网络层或组件则通常是继承自 `nn.Module` 类，并在其基础上构建所需的架构[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值