基于pytorch的保存和加载模型参数的方法
当我们花费大量的精力训练完网络，下次预测数据时不想再（有时也不必再）训练一次时，这时候torch.save(),torch.load()就要登场了。
保存和加载模型参数有两种方式：
方式一：
torch.save(net.state_dict(),path):
功能：保存训练完的网络的各层参数（即weights和bias)
其中：net.state_dict()获取各层参数，path是文件存放路径(通常保存文件格式为.pt或.pth)
net2.load_state_dict(torch.load(path)):
功能：加载保存到path中的各层参数到神经网络
注意：不可以直接为torch.load_state_dict(path)，此函数不能直接接收字符串类型参数
方式二：
torch.save(net,path):
功能：保存训练完的整个网络模型（不止weights和bias）
net2=torch.load(path):
功能：加载保存到path中的整个神经网络
说明：官方推荐方式一，原因自然是保存的内容少，速度会更快。
以上这篇基于pytorch的保存和加载模型参数的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。