在训练神经网络时,用到的数据量可能很大,训练周期较长,如果半途中断了训练,下次从头训练就会很费时间,这时我们就想断点续训。

一、神经网络模型的保存,基本两种方式:
1. 保存完整模型model,torch.save(model, save_path)

2. 只保存模型的参数,torch.save(model.state_dict(), save_path),多卡训练的话,在保存参数时,使用 model.module.state_dict( ) 。

二、保存模型的断点checkpoint

断点dictionary中一般保存训练的网络的权重参数、优化器的状态、学习率lr_scheduler 的状态以及epoch 。

checkpoint = {'parameter': model.module.state_dict(),              'optimizer': optimizer.state_dict(),              'scheduler': scheduler.state_dict(),              'epoch': epoch}

torch.save(checkpoint, ‘./models/checkpoint/ckpt_{}.pth’.format(epoch+1))

三、加载断点继续训练

if resume: # Trueload_ckpt = torch.load(ckpt_dir, map_location=device)                                 # 从断点路径加载断点,指定加载到CPU内存或GPUload_weights_dict = {k: v for k, v in load_ckpt['parameter'].items()                                      if model.state_dict()[k].numel() == v.numel()}  # 简单验证model.load_state_dict(load_weights_dict, strict=False) 
# 如果是多卡训练,加载weights后要设置DDP模式,然后先定义一下optimizer和scheduler,之后再加载断点中保存的optimizer和scheduler以及设置epoch,
optimizer.load_state_dict(load_ckpt[
'optimizer']) # 加载优化器状态scheduler.load_state_dict(load_ckpt['scheduler']) # 加载scheduler状态
start_epoch
= load_ckpt['epoch']+1 # 设定继续训练的epoch起点iter_epochs = range(start_epoch, args.epochs) # arg.epochs指出训练的总epoch数,包括断点前的训练次数

Enjoy it!