기술나눔

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

PyTorch에서는 다음 단계에 따라 모델을 저장 및 로드하고 훈련을 계속할 수 있습니다.

1. 모델 저장

   일반적으로 모델을 저장하는 방법에는 두 가지가 있습니다.

   • 전체 모델(네트워크 구조, 가중치 등 포함)을 저장합니다.

     torch.save(model, 'model.pth')
     

   • 모델의 state_dict(가중치 매개변수만 포함)만 저장됩니다. 이 방법은 저장 공간을 절약하고 로드 시 더 유연하기 때문에 권장됩니다.

     torch.save(model.state_dict(), 'model_weights.pth')
     

2. 모델 로드

   이에 따라 모델을 로드하는 방법에는 두 가지가 있습니다.

   • 이전에 전체 모델을 저장한 경우 다음 방법으로 직접 로드할 수 있습니다.

     model = torch.load('model.pth')
     

   • 이전에 state_dict만 저장한 경우 원본 모델과 동일한 구조로 모델을 인스턴스화한 다음 통과해야 합니다.load_state_dict()가중치를 로드하는 방법:

     # 实例化一个与原模型结构相同的模型
     model = YourModelClass()
      
     # 加载保存的state_dict
     model.load_state_dict(torch.load('model_weights.pth'))
      
     # 确保将模型转移到正确的设备上（例如GPU或CPU）
     device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
     model.to(device)
     

3. 훈련을 계속하다

   모델을 로드한 후 훈련을 계속할 수 있습니다. 손실 함수와 최적화 프로그램을 정의했고 해당 상태가 올바르게 로드되었는지 확인하세요(이전에 저장한 경우).그런 다음 일반적인 훈련 과정을 따르세요.

   # 定义损失函数和优化器
   criterion = nn.CrossEntropyLoss()
   optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9)
    
   # 如果之前保存了优化器状态，也可以加载
   optimizer.load_state_dict(torch.load('optimizer.pth'))
    
   # 开始训练
   for epoch in range(num_epochs):
       for inputs, labels in dataloader:
           inputs, labels = inputs.to(device), labels.to(device)
           
           optimizer.zero_grad()
           outputs = model(inputs)
           loss = criterion(outputs, labels)
           loss.backward()
           optimizer.step()
   

이렇게 하면 마지막으로 저장한 위치부터 모델 훈련을 계속할 수 있습니다.