2022.7.4【Python语法、Pytorch模型保存/加载】

Python语法

• 整型数值和浮点数进行运算，整型数值会自动转换成浮点数类型，结果仍是浮点数类型。
• 内置函数：比较常用的一些“随身携带”的函数，不需要导入就能使用；
• 模块函数：封装好的工具包，导入相应的模块后才可以使用。
• round(n)四舍五入
• round(n, p)四舍五入，保留p位小数点
• math.floor(n)向下取整；math.ceil(n)向上取整
• math.log(n, base)以base为基，求n的对数
• random模块：
  • random.random()产生[0, 1)之间的随机小数
  • random.choice(...)从...中随机选取一个元素
  • random.uniform(a, b)产生[a, b]中的随机小数，使用random.random()函数产生，之所以能取到b，是浮点数运算有时存在四舍五入现象。
  • random.randint(a, b)产生[a, b]之间的随机整数
  • random.randrange(start, stop=None, step=1)产生[start, stop)之间的随机整数，step可以指定随机数产生步长，默认为1。

Pytorch模型加载

Pytorch保存和加载模型(load和load_state_dict)_木盏的博客-CSDN博客_pytorch 加载模型Pytorch目前成为学术界最流行的DL框架，没有之一。很大程度上，简洁直观地操作有关。模型的保存和加载，于pytorch而言，也是很简单的。本文做了一个比较实验，方便大家理解。首先，要清楚几个函数：torch.save，torch.load，state_dict()，load_state_dict()。先举最简单的例子：import torchmodel = torch.load('my_model.pth')torch.save(model, 'new_model.pth')上面的代码非https://blog.csdn.net/leviopku/article/details/123925804搞清楚4个函数的用法即可：torch.load()、torch.save()、state_dict()、load_state_dict()

• torch.load()和torch.save()是torch模块中的两个函数，用于保存和加载模型/模型的参数；state_dict()和load_state_dict()是模型对象的两个方法，作用于model，用于提取或加载模型参数。
• torch.save()
  • torch.save(model, 'xx.pth')， 保存了model的结构和参数，再次load时不需要先定义model的结构，直接model=torch.load('xx.pth')
  • torch.save(model.state_dict(), 'xx.pth')， 先提取model的参数，再把model的参数保存在'xx.pth'中（不含模型结构信息）。再次加载时，需要先搭好model的框架，即定义model = ModelXx()，然后才能model.load_state_dict(torch.load('xx.pth'))。