在pytorch中保存具有更新权重的模型

Question

我有一个要训练5个时代的模型。 然后，我想看看模型哪里出了问题，并相应地增加了训练集。 如何使用学习的重量保存以下模型？

trainer_ = Trainer(network = network,
                       optimizer = optim.Adam(network.parameters(), lr=0.001),
                       loss_function = loss_function,
                       train_loader = train_loader,
                       valid_every = 100,
                       print_every = 50,
                       save_every = 15000,
                       save_path = ".",
                       cudaok = is_cuda_available)

trainer_.run(4,is_cuda_available)

我已经试过了：

path = os.path.join(project_path, 'model.pth')
torch.save(network.cpu().state_dict(), path) # saving model

但是我并不真正认为对象network包含权重。

我在这里很困惑。 有人可以帮忙吗？ 谢谢！

Answer 1

network.state_dict()是dictionary ； 尝试一下以查看您的体重：

for param in network.state_dict():
    print(param, "\n", network.state_dict()[param])

Answer 2

您正在正确保存模型。 现在要将权重加载到模型中，您可以使用以下参数创建一个新模型：

network = Network(*args, **kwargs)

然后将保存的权重加载到其中：

network.load_state_dict(torch.load(path))