load_params

查看属性与别名

API属性:声明式编程(静态图)专用API

paddle.fluid.io.load_params ( executor, dirname, main_program=None, filename=None ) [源代码]

该接口从指定的 main_program 中筛选出所有模型参数变量,并根据目录 dirnamefilename 提供的参数文件对这些模型参数进行赋值。

使用 dirname 指定模型参数的存储路径。若模型参数变量以分离文件的形式存储在 dirname 指定的目录下,则设置 filename 值为None;若所有模型参数存储在一个单独的二进制文件中,则使用 filename 来指明这个二进制文件。

注意:

  • 有些变量不是参数,如学习率、全局训练步数(global step)等,但它们之于训练却是必要的。因此,调用 save_paramsload_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_persistablesload_persistables 来保存和加载训练过程的检查点(checkpoint)。
  • 若希望同时加载预训练后的模型结构和模型参数以用于预测过程,则可使用 load_inference_model 接口。更多细节请参考 模型保存与加载

参数

  • executor (Executor) – 加载模型参数的 executor (详见 执行引擎 ) 。
  • dirname (str) – 模型参数的存储路径。
  • main_program (Program,可选) – 筛选模型参数变量所依据的 Program (详见 基础概念 )。若为None, 则使用全局默认的 default_main_program 。默认值为None。
  • filename (str,可选) – 若模型参数是以若干文件形式存储在 dirname 指定的目录下,则设置 filename 值为None。反之,需要通过 filename 来指明单一模型参数存储文件的名称。 默认值为None。

返回:

代码示例

  1. import paddle.fluid as fluid
  2. exe = fluid.Executor(fluid.CPUPlace())
  3. param_path = "./my_paddle_model"
  4. prog = fluid.default_main_program()
  5. fluid.io.load_params(executor=exe, dirname=param_path,
  6. main_program=None)