如何做】"/>
【python模型保存之后,再恢复训练如何做】
模型保存之后,再恢复训练如何操作
实际上,想要中断训练,然后保存模型,之后再加载继续训练,并没有那么简单。我们平常保存模型参数一般都是这样遍历之后,再保存到字典里
for name, data in global_model.state_dict().items():diff[name] = (data)c = diff[name].tolist()
然后写入文件
f = open('d:\covertemp.txt', 'wb')pickle.dump(global_model, f)f.close()
但是在重新加载出来训练的时候,却发现准确值根本不会再变化
f = open('d:\covertemp.txt', 'rb')table2 = pickle.load(f)f.close()global_model.load_state_dict(table1, strict=False)#加载模型的代码
一直保持加载时的准确率。按理来说是应该继续往上的,那么问题出在哪里呢?
其实我们加载了模型参数以后,再这样加载优化器是不对的。是不可以的,
optimizer = torch.optim.SGD(global_model.parameters(), lr=args.lr,momentum=args.momentum)#这时加载的optimizer,是加载的、加载后的模型optimizer,这样不可以#应该在global_model.load_state_dict(table1, strict=False)这句之前,就初始化一个optimizer
这样就看到,准确率又开始变化了,开始继续上升了
更多推荐
【python模型保存之后,再恢复训练如何做】
发布评论