阅读量:0
在PyTorch中,可以使用torch.save()
函数来实现模型的持久化。torch.save()
函数可以将模型的权重、结构和其他参数保存到文件中,以便在以后加载和使用。以下是一个简单的示例:
import torch import torch.nn as nn #定义一个简单的神经网络模型 class SimpleModel(nn.Module): def __init__(self): super(SimpleModel, self).__init__() self.fc = nn.Linear(10, 1) def forward(self, x): return self.fc(x) model = SimpleModel() #保存模型 torch.save(model.state_dict(), 'model.pth') #加载模型 model_load = SimpleModel() model_load.load_state_dict(torch.load('model.pth'))
在上面的示例中,首先定义了一个简单的神经网络模型SimpleModel
,然后通过torch.save()
函数将模型的参数保存到文件model.pth
中。最后使用torch.load()
函数加载模型参数,并将其应用到新的模型中。通过这种方法,可以实现模型的持久化和加载。