torch.load()加载模型及其map_location参数

Python136

函数格式为: torch.load(f, map_location=None, pickle_module=pickle, **pickle_load_args),一般我们使用的时候,基本只使用前两个参数。

  • 模型保存有两种形式,一种是保存模型的 state_dict(),只是保存模型的参数。那么加载时需要先创建一个模型的实例 model,之后通过 torch.load()将保存的模型参数加载进来,得到 dict,再通过 model.load_state_dict(dict)将模型的参数更新。
  • 另一种是将整个模型保存下来,之后加载的时候只需要通过 torch.load()将模型加载,即可返回一个加载好的模型。
    具体可参考:PyTorch模型的保存与加载

具体来说, map_location参数是用于重定向,比如此前模型的参数是在 cpu中的,我们希望将其加载到 cuda:0中。或者我们有多张卡,那么我们就可以将卡1中训练好的模型加载到卡2中,这在数据并行的分布式深度学习中可能会用到。

  • 首先定义一个AlexNet,并使用 cuda:0将其训练了一个猫狗分类,之后把模型存储起来。

  • 我们先把 state_dict加载进来。

model_path = "./cuda_model.pth"
model = torch.load(model_path)
print(next(model.parameters()).device)

结果为:

输入验证码查看隐藏内容

扫描二维码关注本站微信公众号 Johngo学长
或者在微信里搜索 Johngo学长
回复 svip 获取验证码
wechat Johngo学长