系列文章目录

1. pytorch学习1-数据加载以及Tensorboard可视化工具
2. pytorch学习2-Transforms主要方法使用
3. pytorch学习3-torchvisin和Dataloader的使用
4. pytorch学习4-简易卷积实现
5. pytorch学习5-最大池化层的使用
6. pytorch学习6-非线性变换（ReLU和sigmoid）
7. pytorch学习7-序列模型搭建
8. pytorch学习8-损失函数与反向传播
9. pytorch学习9-优化器学习
10. pytorch学习10-网络模型的保存和加载
11. pytorch学习11-完整的模型训练过程

---

---

一、保存方式1,结构+参数

torch.save(vgg16,"vgg16_method1.pth")#保存了网络模型结构和参数，后面是路径
model=torch.load("vgg16_method1.pth")#加载模型
print(model)

二、保存方式二，只保存参数（官方推荐），空间占用小

torch.save(vgg16.state_dict(),"vgg16_method2.pth")#把模型的参数保存成了字典，并不保存结构
vgg16=torchvision.models.vgg16(pretrained=False)#加载模型。因为这样保存的只有模型的参数，所以需要先恢复模型的结构，
vgg16.load_state_dict(torch.load("vgg16_method2.pth"))#加载模型。用前面这个函数来加载模型的参数
print(vgg16)

总结

以上就是今天要讲的内容，网络模型的保存和加载