深度之眼PyTorch训练营第二期---16、模型保存与加载

一、序列化与反序列化

 1、torch.save

主要参数：

• obj：对象
• f：输出路径

2、torch.load

主要参数：

• f：文件路径
• map_location：指定存放位置，cpu or gpu

二、模型保存与加载的两种方式

第一种方式：

　　保存整个Module

　　torch.save(net,path)

第二种方式：

　　state_dict = net.state_dict()

 　　torch.save(state_dict , path)

三、模型断点续训练

模型微调Finetune

四、Transfer Learning & Model Finetune

Transfer Learning：机器学习分支，研究源域（source domain）的知识如何应用到目标域（target domain）

Model Finetune：模型的迁移学习

模型微调的步骤：

1、获取预训练模型参数

2、加载模型（load_state_dict）

3、修改输出层

模型微调训练方法

1、固定预训练的参数（requires_grad = False; lr = 0）

2、Features Extractor较小学习率（params_group）

五、PyTorch中的Finetune

Finetune Resnet-18 用于二分类

蚂蚁蜜蜂二分类数据

训练集：各120~张  验证集：各70~张