save_vars

查看属性与别名

API属性：声明式编程(静态图)专用API

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

该接口将 Program 的变量保存到文件中。

通过 vars 指定需要保存的变量，或者通过 predicate 筛选需要保存的变量， vars 和 predicate 不能同时为None。

参数

  • executor （Executor）- 运行的执行器，执行器的介绍请参考 模型保存与加载 。
  • dirname （str）- 保存变量的目录路径。
  • main_program （Program，可选）- 需要保存变量的 Program ， Program 的介绍请参考 基础概念 。如果 main_program 为None，则使用默认的主程序。默认值为None。
  • vars （list [Variable]，可选）- 通过该列表指定需要保存的变量。默认值为None。

  • predicate （function，可选）- 通过该函数筛选

    save_vars - 图1

    的变量进行保存。如果通过 vars 指定了需要保存的变量，则该参数无效。默认值为None。

  • filename （str，可选）- 保存所有变量的文件。如果设置为None，所有变量会按照变量名称单独保存成文件；如果设置为非None，所有变量会保存成一个文件名为该设置值的文件。默认值为None。

返回

无

抛出异常

  • TypeError - 如果main_program不是Program的实例，也不是None。

代码示例

  1. import paddle.fluid as fluid
  2. main_prog = fluid.Program()
  3. startup_prog = fluid.Program()
  4. with fluid.program_guard(main_prog, startup_prog):
  5.     data = fluid.layers.data(name="img", shape=[64, 784], append_batch_size=False)
  6.     w = fluid.layers.create_parameter(shape=[784, 200], dtype='float32', name='fc_w')
  7.     b = fluid.layers.create_parameter(shape=[200], dtype='float32', name='fc_b')
  8.     hidden_w = fluid.layers.matmul(x=data, y=w)
  9.     hidden_b = fluid.layers.elementwise_add(hidden_w, b)
  10. place = fluid.CPUPlace()
  11. exe = fluid.Executor(place)
  12. exe.run(startup_prog)
  14. # 示例一：用vars来指定变量。
  15. var_list = [w, b]
  16. path = "./my_paddle_vars"
  17. fluid.io.save_vars(executor=exe, dirname=path, vars=var_list,
  18.                    filename="vars_file")
  19. # w, b 将被保存，使用同一文件名“var_file”，保存在路径“./my_paddle_vars”下。
  21. # 示例二：通过predicate筛选变量。
  22. def name_has_fc(var):
  23.     res = "fc" in var.name
  24.     return res
  26. param_path = "./my_paddle_model"
  27. fluid.io.save_vars(executor=exe, dirname=param_path, main_program=main_prog, vars=None, predicate = name_has_fc)
  28. # 将main_program中名中包含“fc”的的所有变量保存。
  29. # 变量将分开保存。