torch.load()加载模型及其map_location参数

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

Johngo学长