pytorch的python API略读--序列化和反序列化
pytorch的python API略读--序列化和反序列化
用户9875047
发布于 2022-07-04 14:06:07
发布于 2022-07-04 14:06:07
文章被收录于专栏：机器视觉全栈er
2.2 序列化和反序列化
序列化是将某个对象的信息转化成可以存储或者传输的信息的过程，反序列化是和序列化相反的过程。
torch.save: 序列化的用法如下：
torch.save(obj, f, pickle_module=pickle,
pickle_protocol=DEFAULT_PROTOCOL,
_use_new_zipfile_serialization=True)举个简单的例子：
>>> import torch
>>> cvtutorials = torch.randn([2, 3])
>>> cvtutorials
tensor([[-1.8449, 1.7814, -0.5579],
[-0.5615, -0.2925, -0.0764]])
>>> torch.save(cvtutorials, "cvtutorials.pt")torch.load: 反序列化的用法如下：
torch.load(f, map_location=None, pickle_module=pickle,
**pickle_load_args)举个简单的例子：
>>> cvtutorials_1 = torch.load("cvtutorials.pt", map_location=torch.device("cpu"))
>>> cvtutorials_1
tensor([[-1.8449, 1.7814, -0.5579],
[-0.5615, -0.2925, -0.0764]])
>>> cvtutorials_1.is_cuda
False这里要注意，上面的函数将所有的tensor放到cpu上的，如果要特别指定放到GPU上，需要设置为GPU，举例如下：
>>> cvtutorials_2 = torch.load("cvtutorials.pt", map_location=lambda storage, loc: storage.cuda(1))
>>> cvtutorials_2
tensor([[-1.8449, 1.7814, -0.5579],
[-0.5615, -0.2925, -0.0764]], device='cuda:1')
>>> cvtutorials_2.is_cuda
True我将tensor载入到GPU上时，速度明显变慢了，有一个从CPU迁移到GPU的过程。
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2022-03-21，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
