pytorch保存模型

对比tf来说简单了好几个量级。。

1. 先建立一个字典，保存三个参数：
# 只保存了参数
state = {‘net':model.state_dict(), 'optimizer':optimizer.state_dict(), 'epoch':epoch}
torch.save(state, model_dir) 

2. 当你想恢复某一阶段的训练（或者进行测试）时，那么就可以读取之前保存的网络模型参数等。 
checkpoint = torch.load(model_dir) 

# 加载参数
model.load_state_dict(checkpoint['net']) 
optimizer.load_state_dict(checkpoint['optimizer']) 
start_epoch = checkpoint['epoch'] + 1

3. 保存完整模型

torch.save(model, model_dir) 
model = torch.load(model_dir)

ref:https://www.cnblogs.com/qinduanyinghua/p/9311410.html