save_params
注意:该API仅支持【静态图】模式
paddle.fluid.io.
save_params
(executor, dirname, main_program=None, filename=None)[源代码]
该OP从 main_program
中取出所有参数,然后将它们保存到 dirname
目录下或名为 filename
的文件中。
dirname
用于指定保存参数的目标路径。若想将参数保存到多个独立文件中,设置 filename=None
; 若想将所有参数保存在单个文件中,请设置 filename
来指定该文件的名称。
- 注意:
- 有些变量不是参数,如学习率,全局训练步数(global step)等,但它们对于训练却是必要的。因此,调用 save_params 和 load_params 来保存和加载参数对于断点训练是不够的,这种情况下可以使用 save_persistables 和 load_persistables 来保存和加载训练过程中的检查点(checkpoint)。
- 如果您想要储存您的模型用于预测,请使用 save_inference_model 。更多细节请参考 模型保存与加载
- 参数:
返回: 无
代码示例
- import paddle.fluid as fluid
- params_path = "./my_paddle_model"
- image = fluid.layers.data(name='img', shape=[1, 28, 28], dtype='float32')
- label = fluid.layers.data(name='label', shape=[1], dtype='int64')
- feeder = fluid.DataFeeder(feed_list=[image, label], place=fluid.CPUPlace())
- predict = fluid.layers.fc(input=image, size=10, act='softmax')
- loss = fluid.layers.cross_entropy(input=predict, label=label)
- avg_loss = fluid.layers.mean(loss)
- exe = fluid.Executor(fluid.CPUPlace())
- exe.run(fluid.default_startup_program())
- fluid.io.save_params(executor=exe, dirname=params_path)
- # 网络中fc层的参数weight和bias将会分别存储在"./my_paddle_model"路径下。