pth.tar的保存和读取

2024-01-09 21:24:57

一、简介

????????在PyTorch中,.pt、.pth和.pth.tar都是保存训练好的模型的文件格式。主要区别在于:

  1. ?.pt是PyTorch1.6及以上版本中引入的保存格式,可以保存整个模型,包括模型结构、模型参数以及优化器状态等信息,是一个二进制文件。
  2. ?.pth是PyTorch旧版本中使用的模型文件格式,只保存了模型参数,没有保存模型和其他相关信息,是一个二进制文件。
  3. ?.pth.tar包括.pth文件以及其他信息,比如模型结构、优化器状态、超参数信息。

二、保存

使用torch.save进行保存,保存时传入保存的状态,名称

def save_checkpoint(state, is_best, filename='checkpoint.pth.tar'):
    torch.save(state, filename)
    if is_best:
        shutil.copyfile(filename, 'model_best.pth.tar')

三、读取

1、通过torch.load()函数加载

checkpoint_path = "/home/user/msh/Project/SimCLR-master_old/runs/Jan03_19-04-59_user-X10DRi/checkpoint_0100.pth.tar"
checkpoint = torch.load(checkpoint_path)
print(checkpoint.keys())

运行结果如下:

dict_keys(['epoch', 'arch', 'state_dict', 'optimizer'])

2、epoch存放的是训练的轮次,arch存放的是模型的名称,optimizer存放是优化器具体的参数,

epoch = checkpoint['epoch']
print(epoch)
arch = checkpoint['arch']
print(arch)
optimizer = checkpoint['optimizer']

运行结果:

100
resnet18

3、state_dict.keys()存放的是模型每一层结构的名称

state_dict = checkpoint['state_dict']
print(state_dict.keys())

4、使用:先初始化模型,创建一个对象,然后使用load_state_dict()函数加载参数

model = ResNetSimCLR(arch,160)
model.load_state_dict(state_dict)

文章来源:https://blog.csdn.net/yrhzmu/article/details/135379364
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。