目录
1.API分类
1.1基础API
1.2高级API
2.训练调优场景的模型&参数保存载入
2.1动态图参数保存载入
2.2静态图参数保存载入
3.训练部署场景的模型参数保存载入
3.1 动态图模型&参数保存载入（训练推理）
3.2 静态图模型&参数保存载入（推理部署）
1.API分类
| API | 使用场景 | 动态图 | 静态图 |
|---|---|---|---|
| paddle.save/load | 训练调优 | ? | ? |
| paddle.jit.save/load | 推理部署、动转静的训练 | ? | |
| paddle.static.save和load_inference_model | 推理部署 | ? |
动态图的训练模型转化为静态图推理时，动态图开发调试结束转为静态图训练时，使用paddle.jit.save。
1.1基础API
- 对于训练调优场景，使用paddle.save/load保存和载入模型。
- 对于推理部署场景，使用paddle.jit.save/load（动态图）和paddle.static.save/load_inference_model（静态图）保存载入模型。
1.2高级API
-
paddle.Model.fit (训练接口，同时带有参数保存的功能)
-
paddle.Model.save
-
paddle.Model.load
2.训练调优场景的模型&参数保存载入
2.1动态图参数保存载入
2.1.1参数保存
参数保存时，先获取目标对象（Layer或者Optimzier）的state_dict，然后将state_dict保存至磁盘
# save
paddle.save(layer.state_dict(), "linear_net.pdparams")
paddle.save(adam.state_dict(), "adam.pdopt")-
obj (Object) – 要保存的对象实例。
-
path (str|BytesIO) – 保存对象实例的路径/内存对象。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。
2.1.2参数载入
参数载入时，先从磁盘载入保存的state_dict，然后通过set_state_dict方法配置到目标对象中
# load
layer_state_dict = paddle.load("linear_net.pdparams")
opt_state_dict = paddle.load("adam.pdopt")layer.set_state_dict(layer_state_dict)
adam.set_state_dict(opt_state_dict)2.2静态图参数保存载入
2.2.1参数保存
- 仅保存参数时
paddle.save(prog.state_dict(), "temp/model.pdparams")- 保存模型和参数
paddle.save(prog, "temp/model.pdmodel")2.2.2参数加载
- 仅保存参数的加载
state_dict = paddle.load("temp/model.pdparams")
prog.set_state_dict(state_dict)- 保存了参数和模型的加载
prog = paddle.load("temp/model.pdmodel")3.训练部署场景的模型参数保存载入
3.1 动态图模型&参数保存载入（训练推理）
若要同时保存/载入动态图模型结构和参数，可以使用 paddle.jit.save/load 实现。
3.1.1动转静训练 + 模型&参数保存
动转静训练相比直接使用动态图训练具有更好的执行性能，训练完成后，直接将目标Layer传入 paddle.jit.save 保存即可。
3.1.2 动态图训练 + 模型&参数保存
动态图模式相比动转静模式更加便于调试，如果你仍需要使用动态图直接训练，也可以在动态图训练完成后调用 paddle.jit.save 直接保存模型和参数。
3.1.3 动态图模型&参数载入
载入模型参数，使用 paddle.jit.load 载入即可，载入后得到的是一个Layer的派生类对象 TranslatedLayer ， TranslatedLayer 具有Layer具有的通用特征，支持切换 train 或者 eval 模式，可以进行模型调优或者预测。
3.2 静态图模型&参数保存载入（推理部署）
保存/载入静态图推理模型，可以通过 paddle.static.save/load_inference_model 实现。
3.2.1静态图推理模型&参数保存
静态图导出推理模型需要指定导出路径、输入、输出变量以及执行器。 save_inference_model 会裁剪Program的冗余部分，并导出两个文件： path_prefix.pdmodel 、 path_prefix.pdiparams 。
# Save the inference model
path_prefix = "./infer_model"
paddle.static.save_inference_model(path_prefix, [image], [hidden_b], exe)3.2.2静态图推理模型&参数载入
载入静态图推理模型时，输入给 load_inference_model 的路径必须与 save_inference_model 的一致。
[inference_program, feed_target_names, fetch_targets] = (paddle.static.load_inference_model(path_prefix, exe))
tensor_img = np.array(np.random.random((64, 784)), dtype=np.float32)
results = exe.run(inference_program,feed={feed_target_names[0]: tensor_img},fetch_list=fetch_targets)