一、序列化与反序列化
1、torch.save
主要参数：
- obj：对象
- f：输出路径
2、torch.load
主要参数：
- f：文件路径
- map_location：指定存放位置，cpu or gpu
二、模型保存与加载的两种方式
第一种方式：
保存整个Module
torch.save(net,path)
第二种方式：
state_dict = net.state_dict()
torch.save(state_dict , path)
三、模型断点续训练
模型微调Finetune
四、Transfer Learning & Model Finetune
Transfer Learning：机器学习分支，研究源域（source domain）的知识如何应用到目标域（target domain）
Model Finetune：模型的迁移学习
模型微调的步骤：
1、获取预训练模型参数
2、加载模型（load_state_dict）
3、修改输出层
模型微调训练方法
1、固定预训练的参数（requires_grad = False; lr = 0）
2、Features Extractor较小学习率（params_group）
五、PyTorch中的Finetune
Finetune Resnet-18 用于二分类
蚂蚁蜜蜂二分类数据
训练集：各120~张 验证集：各70~张