0705-深度網路模型持久化

二十三歲的有德發表於2021-05-01
模型持久化

0705-深度網路模型持久化

目錄

pytorch完整教程目錄：https://www.cnblogs.com/nickchen121/p/14662511.html

一、持久化概述

在 torch 中，以下物件可以持久化到硬碟，並可以通過相應的方法把這些物件持久化到記憶體中：

  • Tensor
  • Variable
  • nn.Module
  • Optimizer

上述物件本質上最後都是儲存為 Tensor。並且 Tensor 的儲存和載入非常簡單，使用 t.save 和 t.load 即可。

在 save/load 時可指定使用的 pickle 模組，在 load 時還可以把 GPU tensor 對映到 CPU 或者其他 GPU 上。

我們可以通過 t.save(obj, file_name) 儲存任意可序列化的物件，然後通過 obj=t.load(file_name) 方法載入儲存的資料。

對於 Module 和 Optimizer 物件，建議儲存為對應的 state_dict，而不是直接儲存整個 Module/Optimizer 物件。Optimizer 物件儲存的是引數和動量資訊，通過載入之前的動量資訊，能夠很有效地減少模型震盪。

二、tensor 物件的儲存和載入

import torch as t

a = t.Tensor(3, 4)
if t.cuda.is_available():
    a = a.cuda(1)  # 把 a 轉為 GPU1 上的 tensor
    t.save(a, 'a.pth')

    # 載入為 b，儲存於 GPU1 上（因為儲存時 tensor 就在 GPU1 上）
    b = t.load('a.pth')

    # 載入為 c，儲存於 CPU
    c = t.load('a.pth', map_location=lambda storage, loc: storage)

    # 載入為 d，儲存於 GPU0 上
    d = t.load('a.pth', map_location={'cuda:1': 'cuda:0'})

三、Module 物件的儲存和載入

t.set_default_tensor_type('torch.FloatTensor')
from torchvision.models import AlexNet

model = AlexNet()
# module 的 state_dict 是一個字典
model.state_dict().keys()

t.save(model.state_dict(), 'alexnet.pth')
model.load_state_dict(t.load('alexnet.pth'))

<All keys matched successfully>

四、Optimizer 物件的儲存和載入

optimizer = t.optim.Adam(model.parameters(), lr=0.1)
t.save(optimizer.state_dict(), 'optimizer.pth')
optimizer.load_state_dict(t.load('optimizer.pth'))

五、所有物件集合的儲存和載入

all_data = dict(optimizer=optimizer.state_dict(),
                model=model.state_dict(),
                info=u'模型和優化器的所有引數')
t.save(all_data, 'all.pth')

all_data = t.load('all.pth')
all_data.keys()

dict_keys(['optimizer', 'model', 'info'])

六、第七章總結

本章介紹了 torch 的很多工具模組，主要涉及資料載入、視覺化和 GPU 加速相關的內容，合理地使用這些模組可以極大地提升我們的編碼效率。

相關文章