我非常清楚加载字典，然后使用旧的参数字典加载一个实例（例如这个很棒的问题和答案）。不幸的是，当我有一个torch.nn.Sequential我当然没有它的类定义。
所以我想仔细检查一下，正确的方法是什么。我相信torch.save就足够了（到目前为止我的代码还没有崩溃），尽管这些事情可能比人们想象的更微妙（例如，当我使用 pickle 时，我收到一条警告，但是torch.save在内部使用它，所以很混乱）。此外，numpy 有它自己的保存函数（例如，参见这个答案）这往往更有效，因此可能存在我可能会忽略的微妙权衡。
我的测试代码：
# creating data and running through a nn and saving it
import torch
import torch.nn as nn
from pathlib import Path
from collections import OrderedDict
import numpy as np
import pickle
path = Path('~/data/tmp/').expanduser()
path.mkdir(parents=True, exist_ok=True)
num_samples = 3
Din, Dout = 1, 1
lb, ub = -1, 1
x = torch.torch.distributions.Uniform(low=lb, high=ub).sample((num_samples, Din))
f = nn.Sequential(OrderedDict([
('f1', nn.Linear(Din,Dout)),
('out', nn.SELU())
]))
y = f(x)
# save data torch to numpy
x_np, y_np = x.detach().cpu().numpy(), y.detach().cpu().numpy()
np.savez(path / 'db', x=x_np, y=y_np)
print(x_np)
# save model
with open('db_saving_seq', 'wb') as file:
pickle.dump({'f': f}, file)
# load model
with open('db_saving_seq', 'rb') as file:
db = pickle.load(file)
f2 = db['f']
# test that it outputs the right thing
y2 = f2(x)
y_eq_y2 = y == y2
print(y_eq_y2)
db2 = {'f': f, 'x': x, 'y': y}
torch.save(db2, path / 'db_f_x_y')
print('Done')
db3 = torch.load(path / 'db_f_x_y')
f3 = db3['f']
x3 = db3['x']
y3 = db3['y']
yy3 = f3(x3)
y_eq_y3 = y == y3
print(y_eq_y3)
y_eq_yy3 = y == yy3
print(y_eq_yy3)
Related:
- 论坛的相关问题：https://discuss.pytorch.org/t/how-to-save-nn-sequential-as-a-model/89117/14
