pytorch学习14之读写文件

将训练的模型保存：

1. 用在其他环境中（比如在部署中进行预测）。
2. 用于定期保存中间结果，在一个耗时较长的训练过程运行中，以确保在服务器电源被不小心断掉时，损失的计算结果不会过于严重。

因此，学习如何加载和存储权重向量和整个模型。

1、加载和保存张量

一个张量：

调用load和save函数分别读写它们。

这两个函数都要求我们提供一个名称，save要求将要保存的变量作为输入。load读取已经存好的文件。

import torch
from torch import nn
from torch.nn import functional as F

x = torch.arange(4)
# 保存x的值在自定义名为”x-file“的文件中
torch.save(x, 'x-file')
# 将存储在文件中的数据读回内存。
x2 = torch.load('x-file')
print("x2=", x2)

输出：

x2= tensor([0, 1, 2, 3])

多个张量：

存储一个张量列表，然后再读回内存。

# 多张量的存储与加载
# 存为列表
y = torch.zeros(4)
torch.save([x, y], 'x-files')
x2, y2 = torch.load('