save

paddle. save ( obj, path, protocol=2 ) [源代码]

将对象实例obj保存到指定的路径中。

注解

目前支持保存：Layer 或者 Optimizer 的 state_dict，Layer对象，Tensor以及包含Tensor的嵌套list、tuple、dict，Program。

注解

不同于 paddle.jit.save ，由于 paddle.save 的存储结果是单个文件，所以不需要通过添加后缀的方式区分多个存储文件，paddle.save 的输入参数 path 将直接作为存储结果的文件名而非前缀。为了统一存储文件名的格式，我们推荐使用paddle标椎文件后缀： 1. 对于 Layer.state_dict ，推荐使用后缀 .pdparams ； 2. 对于 Optimizer.state_dict ，推荐使用后缀 .pdopt 。 具体示例请参考API的代码示例。

遇到使用问题，请参考：

参数

  • obj (Object) – 要保存的对象实例。

  • path (str) – 保存对象实例的路径。如果存储到当前路径，输入的path字符串将会作为保存的文件名。

  • protocol (int, 可选) – pickle模块的协议版本，默认值为2，取值范围是[2,4]。在Python3环境中，推荐使用 protocol=4。

  • configs (dict, 可选) – 其他配置选项，目前支持以下选项：（1）use_binary_format（bool）- 如果被保存的对象是静态图的Tensor，你可以指定这个参数。如果被指定为 True ，这个Tensor会被保存为由paddle定义的二进制格式的文件；否则这个Tensor被保存为pickle格式。默认为 False 。

返回

无

代码示例

  1. # example 1: dynamic graph
  2. import paddle
  3. emb = paddle.nn.Embedding(10, 10)
  4. layer_state_dict = emb.state_dict()
  6. # save state_dict of emb
  7. paddle.save(layer_state_dict, "emb.pdparams")
  9. scheduler = paddle.optimizer.lr.NoamDecay(
  10.     d_model=0.01, warmup_steps=100, verbose=True)
  11. adam = paddle.optimizer.Adam(
  12.     learning_rate=scheduler,
  13.     parameters=emb.parameters())
  14. opt_state_dict = adam.state_dict()
  16. # save state_dict of optimizer
  17. paddle.save(opt_state_dict, "adam.pdopt")
  18. # save weight of emb
  19. paddle.save(emb.weight, "emb.weight.pdtensor")
  1. # example 2: Save multiple state_dict at the same time
  2. import paddle
  3. from paddle import nn
  4. from paddle.optimizer import Adam
  6. layer = paddle.nn.Linear(3, 4)
  7. adam = Adam(learning_rate=0.001, parameters=layer.parameters())
  8. obj = {'model': layer.state_dict(), 'opt': adam.state_dict(), 'epoch': 100}
  9. path = 'example/model.pdparams'
  10. paddle.save(obj, path)
  1. # example 3: static graph
  2. import paddle
  3. import paddle.static as static
  5. paddle.enable_static()
  7. # create network
  8. x = paddle.static.data(name="x", shape=[None, 224], dtype='float32')
  9. z = paddle.static.nn.fc(x, 10)
  11. place = paddle.CPUPlace()
  12. exe = paddle.static.Executor(place)
  13. exe.run(paddle.static.default_startup_program())
  14. prog = paddle.static.default_main_program()
  15. for var in prog.list_vars():
  16.     if list(var.shape) == [224, 10]:
  17.         tensor = var.get_value()
  18.         break
  20. # save/load tensor
  21. path_tensor = 'temp/tensor.pdtensor'
  22. paddle.save(tensor, path_tensor)
  24. # save/load state_dict
  25. path_state_dict = 'temp/model.pdparams'
  26. paddle.save(prog.state_dict("param"), path_tensor)
  1. # example 4: save program
  2. import paddle
  4. paddle.enable_static()
  6. data = paddle.static.data(
  7.     name='x_static_save', shape=(None, 224), dtype='float32')
  8. y_static = z = paddle.static.nn.fc(data, 10)
  9. main_program = paddle.static.default_main_program()
  10. path = "example/main_program.pdmodel"
  11. paddle.save(main_program, path)

使用本API的教程文档