pytorch模型的保存加载与续训练详解

前面

最近，看到不少小伙伴问pytorch如何保存和加载模型，其实这部分pytorch官网介绍的也是很清楚的，感兴趣的点击了解详情🥁🥁🥁

但是肯定有很多人是不愿意看官网的，所以我还是花一篇文章来为大家介绍介绍。当然了，在介绍中我会加入自己的一些理解，让大家有一个更深的认识。如果准备好了的话，就让我们开始吧。⏳⏳⏳

模型保存与加载

pytorch中介绍了几种不同的模型保存和加载方式，我会在下文一一为大家介绍。首先先让我们来随便定义一个模型，如下：【用的是pytorch官网的例子】

# 模型定义
class TheModelClass(nn.Module):
   def __init__(self):
       super(TheModelClass, self).__init__()
       self.conv1 = nn.Conv2d(3, 6, 5)
       self.pool = nn.MaxPool2d(2, 2)
       self.conv2 = nn.Conv2d(6, 16, 5)
       self.fc1 = nn.Linear(16 * 5 * 5, 120)
       self.fc2 = nn.Linear(120, 84)
       self.fc3 = nn.Linear(84, 10)
   def forward(self, x):
       x = self.pool(F.relu(self.conv1(x)))
       x = self.pool(F.relu(self.conv2(x)))
       x = x.view(-1, 16 * 5 * 5)
       x = F.relu(self.fc1(x))
       x = F.relu(self.fc2(x))
       x = self.fc3(x)
       return x

定义好模型结构后，我们可以实例化这个模型：

#模型初始化
model = TheModelClass()

模型初始化过后，我们就一起来看看模型保存和加载的方式吧。🍄🍄🍄

方式1

方式1是官方推荐的一种方式，我们直接来看代码好了，如下：

# 保存模型
torch.save(model.state_dict(), './model/model_state_dict.pth')

该方法后面的参数'./model/model_state_dict.pth'为模型的保存路径，模型后缀名官方推荐使用.pth和.pt，当然了，你取别的后缀名也是完全可行的。☘☘☘

介绍了模型的保存，下面就来看看方式1是如何加载模型的。【这里我说明一点，模型保存往往是在训练中进行的，而模型加载多数用在模型推理中，它们存在两个文件中，故我们在推理过程中要先实列化模型】

# 加载模型
model_test1 = TheModelClass()   # 加载模型时应先实例化模型
# load_state_dict()函数接收一个字典，所以不能直接将'./model/model_state_dict.pth'传入，而是先使用load函数将保存的模型参数反序列化
model_test1.load_state_dict(torch.load('./model/model_state_dict.pth'))
model_test1.eval()    # 模型推理时设置

在上述的代码注释中我有写到，我们使用load_state_dict()加载模型时先需要使用load方法将保存的模型参数==反序列化==，load后的结果是一个字典，这时就可以通过load_state_dict()方法来加载了。

这里我来简单说一下我理解的反序列化，其和序列化是相对应的一个概念。序列化就是把内存中的数据保存到磁盘中，像我们使用torch.save()方法保存模型就是序列化；而反序列化则是将硬盘中的数据加载到内存当中，显然我们加载模型的过程就是反序列化过程。【大致的意思如下图所示，偶然在水群的时候看到一个画图软件，是不是还挺好看的🍧🍧🍧】

方式2

方式2非常简单，直接上代码：

# 保存模型
torch.save(model, './model/model.pt')    #这里我们保存模型的后缀名取.pt

# 加载模型
model_test2 = torch.load('./model/model.pt')    
model_test2.eval()   # 模型推理时设置

但是这种方式是不推荐使用的，因为你使用这种方式保存模型，然后再加载时会遇到各种各样的错误。为了加深大家理解，我们来看这样的一个例子。文件的结构如下图所示：

models.py文件中存储的是模型的定义，其位于文件夹models下。save_model.py文件中写的是保存模型的代码，如下：

from models.models import TheModelClass
from torch import optim
import torch
#模型初始化
model = TheModelClass()
# 初始化优化器
optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)
# ## 保存加载方式2——save/load
# # 保存模型
# torch.save(models, './models/models.pt')

执行此文件后，会生成models.pt文件，我们在执行load_mode.py文件即可实现加载，load_mode.py内容如下：

from models.models import TheModelClass
import torch
## 加载方式2
# 加载模型
model_test2 = TheModelClass()
model_test2 = torch.load('./models/models.pt')    
model_test2.eval()   # 模型推理时设置
print(model_test2)

此时我们可以正常加载。但如果我们将models文件夹修改为model，如下：

此时我们在使用如下代码加载模型的话就会出现错误：

from models.models import TheModelClass
import torch
## 加载方式2
# 加载模型
model_test2 = TheModelClass()
model_test2 = torch.load('./model/models.pt')     #这里需要修改一下文件路径  
model_test2.eval()   # 模型推理时设置
print(model_test2)

出现这种错误的原因是使用方式2进行模型保存的时候会把模型结构定义文件路径记录下来，加载的时候就会根据路径解析它然后装载参数；当把模型定义文件路径修改以后，使用torch.load(path)就会报错。

其实使用方式2进行模型的保存和加载还会存在各种问题，感兴趣的可以看看这篇博文。总之，在我们今后的使用中，尽量不要用方式2来加载模型。🌱🌱🌱

方式3

pytorch还为我们提供了一种模型保存与加载的方式——checkpoint。这种方式保存的是一个字典，如果我们程序在运行中由于某种原因异常中止，那么这种方式可以很方便的让我们接着上次训练，正因为这样，我非常推荐大家使用这种方式进行模型的保存与加载。下面就让我们一起来看看方式3是如何使用的吧！！！🍥🍥🍥

首先，我们同样使用torch.save来保存模型，但是这里保存的是一个字典，里面可以填入你需要保存的参数，如下：

# 保存checkpoint
torch.save({
           'epoch':epoch,
           'model_state_dict':model.state_dict(),
           'optimizer_state_dict':optimizer.state_dict(),
           'loss':loss
           }, './model/model_checkpoint.tar'    #这里的后缀名官方推荐使用.tar
           )

接着我们来看看如何加载checkpoint，代码如下：

# 加载checkpoint
model_checkpoint = TheModelClass()
optimizer =  optim.SGD(model.parameters(), lr=0.001, momentum=0.9)
checkpoint = torch.load('./model/model_checkpoint.tar')    # 先反序列化模型
model_checkpoint.load_state_dict(checkpoint['model_state_dict'])
optimizer.load_state_dict(checkpoint['optimizer_state_dict'])
epoch = checkpoint['epoch']
loss = checkpoint['loss']

看了我上文的介绍，大家是否知道如何使用checkpoint了呢，我想大家都会觉得这个不是很难，但要自己写可能还是不好把握，那么第一次就让我来带领大家看看如何在代码中使用checkpoint吧！！！🍵🍵🍵

这节我采用cifar10数据集实现物体分类的例子，我的这篇博文对其进行了详细介绍，那么这里介绍checkpoint我将利用这个demo来为大家讲解。首先我们直接来看模型保存的完整代码，如下：

import torch
import torch.nn as nn
from torch.utils.data import DataLoader
import torchvision
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
#1、准备数据集
train_dataset = torchvision.datasets.CIFAR10("./data", train=True, transform=torchvision.transforms.ToTensor(), download= True)
test_dataset = torchvision.datasets.CIFAR10("./data", train=False, transform=torchvision.transforms.ToTensor(), download= True)
#2、加载数据集
train_dataset_loader = DataLoader(dataset=train_dataset, batch_size=100)
test_dataset_loader = DataLoader(dataset=test_dataset, batch_size=100)
#3、搭建神经网络
class Net(nn.Module):
   def __init__(self):
       super(Net, self).__init__()
       self.model1 = nn.Sequential(
           nn.Conv2d(3, 32, 5, padding=2),
           nn.MaxPool2d(2),
           nn.Conv2d(32, 32, 5, padding=2),
           nn.MaxPool2d(2),
           nn.Conv2d(32, 64, 5, padding=2),
           nn.MaxPool2d(2),
           nn.Flatten(),
           nn.Linear(1024, 64),
           nn.Linear(64, 10)
       )
   def forward(self, input):
       input = self.model1(input)
       return input
#4、创建网络模型
net = Net()
#5、设置损失函数、优化器
#损失函数
loss_fun = nn.CrossEntropyLoss()   #交叉熵
loss_fun = loss_fun.to(device)
#优化器
learning_rate = 1e-2
optimizer = torch.optim.SGD(net.parameters(), learning_rate)   #SGD:梯度下降算法
#6、设置网络训练中的一些参数
total_train_step = 0   #记录总计训练次数
total_test_step = 0    #记录总计测试次数
Max_epoch = 10    #设计训练轮数
#7、开始进行训练
for epoch in range(Max_epoch):
   print("---第{}轮训练开始---".format(epoch))
   net.train()     #开始训练，不是必须的，在网络中有BN，dropout时需要
   #由于训练集数据较多，这里我没用训练集训练，而是采用测试集（test_dataset_loader）当训练集，但思想是一致的
   for data in test_dataset_loader:      
       imgs, targets = data
       targets = targets.to(device)
       outputs = net(imgs)
       #比较输出与真实值，计算Loss
       loss = loss_fun(outputs, targets)
       #反向传播，调整参数
       optimizer.zero_grad()    #每次让梯度重置
       loss.backward()
       optimizer.step()
       total_train_step += 1
       if total_train_step ％ 50 == 0:
           print("---第{}次训练结束, Loss:{})".format(total_train_step, loss.item()))
   if (epoch+1) ％ 2 == 0:
       # 保存checkpoint
       torch.save({
           'epoch': epoch,
           'model_state_dict': net.state_dict(),
           'optimizer_state_dict': optimizer.state_dict(),
           'loss': loss
       }, './model/model_checkpoint_epoch_{}.tar'.format(epoch)  # 这里的后缀名官方推荐使用.tar
       )
   if epoch > 5:
       print("---意外中断---")
       break

整个流程和这篇文章基本一致，不清楚的建议先花几分钟阅读一下哈。🍍🍍🍍主要区别就是在最后保存模型的时候我使用了checkpoint进行保存，且两个epoch保存一次。当epoch=6时，我设置了一个break模拟程序意外中断，中断后可以来看一下终端的输出信息，如下图所示：

我们可以看到在进行第6轮循环时，程序中断了，此时最新的保存的模型是第五次训练结果，如下：

同时注意到第5次训练结束的loss在2.0左右，如果我们下次接着训练，损失应该是在2.0附近。🍊🍊🍊

好了，上面由于一些糟糕的原因导致程序中断了，现在我想接着上次训练的结果继续训练，我该怎么办呢？代码如下：

import torch
import torch.nn as nn
from torch.utils.data import DataLoader
import torchvision
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
#1、准备数据集
train_dataset = torchvision.datasets.CIFAR10("./data", train=True, transform=torchvision.transforms.ToTensor(), download= True)
test_dataset = torchvision.datasets.CIFAR10("./data", train=False, transform=torchvision.transforms.ToTensor(), download= True)
#2、加载数据集
train_dataset_loader = DataLoader(dataset=train_dataset, batch_size=100)
test_dataset_loader = DataLoader(dataset=test_dataset, batch_size=100)
#3、搭建神经网络
class Net(nn.Module):
   def __init__(self):
       super(Net, self).__init__()
       self.model1 = nn.Sequential(
           nn.Conv2d(3, 32, 5, padding=2),
           nn.MaxPool2d(2),
           nn.Conv2d(32, 32, 5, padding=2),
           nn.MaxPool2d(2),
           nn.Conv2d(32, 64, 5, padding=2),
           nn.MaxPool2d(2),
           nn.Flatten(),
           nn.Linear(1024, 64),
           nn.Linear(64, 10)
       )
   def forward(self, input):
       input = self.model1(input)
       return input
#4、创建网络模型
net = Net()
#5、设置损失函数、优化器
#损失函数
loss_fun = nn.CrossEntropyLoss()   #交叉熵
loss_fun = loss_fun.to(device)
#优化器
learning_rate = 1e-2
optimizer = torch.optim.SGD(net.parameters(), learning_rate)   #SGD:梯度下降算法
#6、设置网络训练中的一些参数
total_train_step = 0   #记录总计训练次数
total_test_step = 0    #记录总计测试次数
Max_epoch = 10    #设计训练轮数
##########################################################################################
# 加载checkpoint
checkpoint = torch.load('./model/model_checkpoint_epoch_5.tar')    # 先反序列化模型
net.load_state_dict(checkpoint['model_state_dict'])
optimizer.load_state_dict(checkpoint['optimizer_state_dict'])
start_epoch = checkpoint['epoch']
loss = checkpoint['loss']
##########################################################################################
#7、开始进行训练
for epoch in range(start_epoch+1, Max_epoch):
   print("---第{}轮训练开始---".format(epoch))
   net.train()     #开始训练，不是必须的，在网络中有BN，dropout时需要
   for data in test_dataset_loader:
       imgs, targets = data
       targets = targets.to(device)
       outputs = net(imgs)
       #比较输出与真实值，计算Loss
       loss = loss_fun(outputs, targets)
       #反向传播，调整参数
       optimizer.zero_grad()    #每次让梯度重置
       loss.backward()
       optimizer.step()
       total_train_step += 1
       if total_train_step ％ 50 == 0:
           print("---第{}次训练结束, Loss:{})".format(total_train_step, loss.item()))
   if (epoch+1) ％ 2 == 0:
       # 保存checkpoint
       torch.save({
           'epoch': epoch,
           'model_state_dict': net.state_dict(),
           'optimizer_state_dict': optimizer.state_dict(),
           'loss': loss
       }, './model/model_checkpoint_epoch_{}.tar'.format(epoch)  # 这里的后缀名官方推荐使用.tar
       )

这里的代码相较之前的多了一个加载checkpoint的过程，我将其截取出来，如下图所示：

通过加载checkpoint我们就保存了之前训练的参数，进而实现断点续训练，我们直接来看执行此代码的结果，如下图所示：

从上图可以看出我们的训练是从第6轮开始的，并且初始的loss为1.99，和2.0接近。这就说明了我们已经实现了中断后恢复训练的操作。

🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸

这里我简单的说两句，上文介绍checkpoint的用法时，训练中断和训练恢复我是放在两个文件中的进行的，但是在实际中我们肯定是在一个文件中运行，那这该怎么办呢？其实方法很简单啦，我们只需要设置一个if条件将加载checkpoint的部分放在训练文件中，然后设置一个参数来控制if条件的执行即可。具体细节我就不给大家介绍了，如果有不明白的评论区见吧！！！🌿🌿🌿🌿

🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸🌸

来源：https://juejin.cn/post/7164004790416965640