pytorch 保存、读取 tensor 和 numpy数据

一. pytorch 保存、读取 tensor

1. 首先导包：

import torch

save_torch = torch.Tensor([[1, 2, 3, 4],
                           [2, 34, 5, 6]])

2. 保存 tensor

torch.save(save_torch, 'test_save_tensor.pt')

3. 读取 tensor

load_torch = torch.load('test_save_tensor.pt')

4. 完整测试代码

import torch

save_torch = torch.Tensor([[1, 2, 3, 4],
                           [2, 34, 5, 6]])
print(save_torch)
torch.save(save_torch, 'test_save_tensor.pt') # 保存
load_torch = torch.load('test_save_tensor.pt') # 读取
print(load_torch)

5. 保存网络结构：model是自己定义的网络结构：

# 保存整个网络
torch.save(net, PATH.pth) 
# 保存网络中的参数, 速度快，占空间少
torch.save(net.state_dict(),PATH.pth)
#--------------------------------------------------
#针对上面一般的保存方法，加载的方法分别是：
model_dict=torch.load(PATH)
model_dict=model.load_state_dict(torch.load(PATH))

二. pytorch 保存、读取numpy

1. Numpy保存数据：利用numpy.save()函数将array保存为.npy格式的数据：

import numpy as np
np.save('where/you/wanto/store/output',arr)    #numpy 会自动加上.npy后缀

2. Numpy读取数据

b = np.load('here/you/wanto/store/output.npy')

三. 相关链接

pytorch 保存、读取 tensor 数据
Python Numpy Pytorch 保存数据
pytorch中的tensor以numpy形式进行输出保存
PyTorch教程-7：PyTorch中保存与加载tensor和模型详解
pytorch 模型输出特征 保存npy