load_params

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 dirname 或 filename 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_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: 无

代码示例

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