PyTorch 多GPU下模型的保存与加载 PyTorch 多GPU下模型的保存与加载(踩坑笔记)
叶罅 人气:0想了解PyTorch 多GPU下模型的保存与加载(踩坑笔记)的相关内容吗,叶罅在本文为您仔细讲解PyTorch 多GPU下模型的保存与加载的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:PyTorch,多GPU下模型保存,PyTorch,多GPU模型加载,下面大家一起来学习吧。
这几天在一机多卡的环境下,用pytorch训练模型,遇到很多问题。现总结一个实用的做实验方式:
多GPU下训练,创建模型代码通常如下:
os.environ['CUDA_VISIBLE_DEVICES'] = args.cuda model = MyModel(args) if torch.cuda.is_available() and args.use_gpu: model = torch.nn.DataParallel(model).cuda()
官方建议的模型保存方式,只保存参数:
torch.save(model.module.state_dict(), "model.pkl")
其实,这样很麻烦,我建议直接保存模型(参数+图):
torch.save(model, "model.pkl")
这样做很实用,特别是我们需要反复建模和调试的时候。这种情况下模型的加载很方便,因为模型的图已经和参数保存在一起,我们不需要根据不同的模型设置相应的超参,更换对应的网络结构,如下:
if not (args.pretrained_model_path is None): print('load model from %s ...' % args.pretrained_model_path) model = torch.load(args.pretrained_model_path) print('success!')
但是需要注意,这种方式加载的是多GPU下模型。如果服务器环境变化不大,或者和训练时候是同一个GPU环境,就不会出现问题。
如果系统环境发生了变化,或者,我们只想加载模型参数,亦或是遇到下面的问题:
AttributeError: 'model' object has no attribute 'copy'
或者
AttributeError: 'DataParallel' object has no attribute 'copy'
或者
RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found
这时候我们可以用下面的方式载入模型,先建立模型,然后加载参数。
os.environ['CUDA_VISIBLE_DEVICES'] = args.cuda # 建立模型 model = MyModel(args) if torch.cuda.is_available() and args.use_gpu: model = torch.nn.DataParallel(model).cuda() if not (args.pretrained_model_path is None): print('load model from %s ...' % args.pretrained_model_path) # 获得模型参数 model_dict = torch.load(args.pretrained_model_path).module.state_dict() # 载入参数 model.module.load_state_dict(model_dict) print('success!')
加载全部内容