state_dict

torch.nn.Module.state_dict (Python method, in Module)

state_dict(destination=None, prefix='', keep_vars=False)[source]

返回一个包含整个模型状态的字典。包含参数和现在的缓冲器(例如，运行平均值)。键对应着参数和缓冲器的名字。

返回值：

• 包含整个模型的字典。

a dictionary containing a whole state of the module

例：

>>> module.state_dict().keys()
['bias', 'weight']

torch.optim.Optimizer.state_dict (Python method, in torch.optim)

state_dict()[source]

以字典的形式返回优化器的状态。

包含两个词目：

• state - 保持当前优化状态的字典，它的内容和优化器类不同。
• param_groups - 包含所有参数组的字典

torch.optim.lr_scheduler.LambdaLR.state_dict (Python method, in torch.optim)

class torch.optim.lr_scheduler.MultiplicativeLR(optimizer, lr_lambda, last_epoch=-1)[source]

将每个参数组的学习率乘以指定函数中给定的因子。当last_epoch = -1时，设置学习率为初始学习率。

参数：

• optimizer (Optimizer) – 包裹的优化器
• lr_lambda (function or list) – A function which computes a multiplicative factor given an integer parameter epoch, or a list of such functions, one for each group in optimizer.param_groups.
• lr_lambda (function or list) – 给定整数参数epoch计算乘法因子的函数，或者这个函数的列表，在optimizer.param_groups中，每个组都有一个。
• last_epoch (int) – 最后一个epoch的指数，默认是-1。

例：

>>> lmbda = lambda epoch: 0.95
>>> scheduler = MultiplicativeLR(optimizer, lr_lambda=lmbda)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

load_state_dict(state_dict)[source]

加载策略状态

参数：

• state_dict (dict) –策略状态。应该是调用state_dict()返回的对象。

state_dict()[source]

Returns the state of the scheduler as a dict.It contains an entry for every variable in self.__dict__ which is not the optimizer. The learning rate lambda functions will only be saved if they are callable objects and not if they are functions or lambdas.

以字典的形式返回策略的状态。对每个变量它包含self.__dict__中的实体，这不是优化器。如果它们是可以调用的对象的话，学习率lambda函数就保存，如果他们是函数或者lambdas的话就不保存。