P26 网络模型的读取与保存

一、模型的保存

1、方法一：torch.save
保存了模型的结构加参数

import torch
from torch import nn
import torchvision

vgg16=torchvision.models.vgg16(weights=None)
#保存方式1 保存状态+结构
torch.save(vgg16,"vgg16_method1.path")

可以看到同目录下的模型文件：

二、模型读取

1、方法一、torch.load

import torch

#方式一对应于保存方式一：
model1=torch.load("vgg16_method1.path")
print(model1)

一、模型的保存

2、保存方式2
以字典形式保存了模型的状态（参数）

#保存方式2  保存状态（官方推荐）
torch.save(vgg16.state_dict(),"vgg16_method2.path")

从终端打开保存文件所在的文件夹

输入 dir

(DL) D:\PyCharm\Py_Projects\XiaoTuDui>dir
 驱动器 D 中的卷是 academic
 卷的序列号是 8621-1046

 D:\PyCharm\Py_Projects\XiaoTuDui 的目录

2023/09/18  08:58    <DIR>          .
2023/09/18  08:57    <DIR>          ..
2023/09/08  14:52    <DIR>          .pytest_cache
2023/09/07  09:44    <DIR>          datasetP7
……//
2023/09/18  08:56       553,450,705 vgg16_method1.path
2023/09/18  08:56       553,441,041 vgg16_method2.path
              29 个文件  1,106,909,735 字节
              22 个目录 50,462,588,928 可用字节

可以看到vgg16_method1要比vgg16_method2

二、模型读取

2、方式二、读取方式2

#方式2，加载模型
model2=torch.load("vgg16_method2.path")
print(model2)

可以发现数据是字典形式

转换成模型结构：

#方式2，加载模型
#model2=torch.load("vgg16_method2.pth")
vgg16=torchvision.models.vgg16(weights=None)
vgg16.load_state_dict("vgg16_method2.pth")
print(vgg16)

三、陷阱

我们写一个神经网络并保存:

#陷阱
class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1=nn.Conv2d(3,64,kernel_size=3)

    def forward(self,x):
        x=self.conv1(x)
        return x
tudui=Tudui()
torch.save(tudui,"tudui_method1.pth")

四、陷阱加载

#陷阱
model3=torch.load("tudui_method1.pth")
print(model3)

报错：不能得到Tudui属性，因为没有这个类

AttributeError: Can't get attribute 'Tudui' on <module '__main__' from 'D:\\PyCharm\\Py_Projects\\XiaoTuDui\\P27 模型读取.p

还是需要去把模型复制进来
只是不需要继承tudui=Tudui()

class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1=nn.Conv2d(3,64,kernel_size=3)

    def forward(self,x):
        x=self.conv1(x)
        return x
# tudui=Tudui() //这里不需要写//

model3=torch.load("tudui_method1.pth")
print(model3)

成功！

五、改进

import torch
import torchvision
from torch import nn
from P27 模型的保存  import *


# #方式一对应于保存方式一：
# model1=torch.load("vgg16_method1.path")
# print(model1)
#
# #方式2，加载模型
# #model2=torch.load("vgg16_method2.pth")
# vgg16=torchvision.models.vgg16(weights=None)
# vgg16.load_state_dict("vgg16_method2.pth")
# print(vgg16)

#陷阱
# class Tudui(nn.Module):
#     def __init__(self):
#         super(Tudui, self).__init__()
#         self.conv1=nn.Conv2d(3,64,kernel_size=3)
#
#     def forward(self,x):
#         x=self.conv1(x)
#         return x
# # tudui=Tudui() //这里不需要写//

model3=torch.load("tudui_method1.pth")
print(model3)

保存模型.py的所有代码;

import torch
from torch import nn
import torchvision

vgg16=torchvision.models.vgg16(weights=None)
#保存方式1 保存状态+结构
torch.save(vgg16,"vgg16_method1.path")

#保存方式2  保存状态（官方推荐）
torch.save(vgg16.state_dict(),"vgg16_method2.path")

#陷阱
class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1=nn.Conv2d(3,64,kernel_size=3)

    def forward(self,x):
        x=self.conv1(x)
        return x
tudui=Tudui()
torch.save(tudui,"tudui_method1.pth")

读取模型.py的所有代码;

import torch
import torchvision
from torch import nn
from P27 模型的保存  import *


# #方式一对应于保存方式一：
# model1=torch.load("vgg16_method1.path")
# print(model1)
#
# #方式2，加载模型
# #model2=torch.load("vgg16_method2.pth")
# vgg16=torchvision.models.vgg16(weights=None)
# vgg16.load_state_dict("vgg16_method2.pth")
# print(vgg16)

#陷阱
# class Tudui(nn.Module):
#     def __init__(self):
#         super(Tudui, self).__init__()
#         self.conv1=nn.Conv2d(3,64,kernel_size=3)
#
#     def forward(self,x):
#         x=self.conv1(x)
#         return x
# # tudui=Tudui() //这里不需要写//

model3=torch.load("tudui_method1.pth")
print(model3)