PyTorch 문서) PyTorch Recipes - Saving and loading a general checkpoint in PyTorch

체크 포인트의 저장과 불러오기

• 원글 : Saving and loading a general checkpoint in PyTorch
• 모델 훈련 과정에서 특정 시점의 상태를 저장하는 것을 체크포인트(checkpoint)라고 한다.
  • 저장된 체크포인트를 불러와서 추론에 사용할 수 있고, 또 저장된 시점에 이어서 훈련을 계속할 수도 있다.
• 체크포인트를 저장할 때는 모델의 레이어들이 가진 학습 가능한 파라미터가 저장된 state_dict 뿐만 아니라
• 옵티마이저의 state_dict도 함께 저장하는 것이 중요하다.
  • 옵티마이저의 state_dict에는 모델이 학습되는 과정에서 갱신되는 매개변수, 버퍼 등이 포함된다.
• 이외에 (체크포인트가 저장된 시점인) 훈련이 중단된 에포크, 가장 마지막 훈련 손실값 등을 저장할 필요가 있을 수 있고, 사용한 알고리즘에 따라 임베딩 레이어(torch.nn.Embedding) 등을 저장할 수도 있다.

Introduction

• 다수의 체크포인트를 저장하기 위해서는
  • 저장할 디렉토리에 구분하여 정렬하는 것과
  • torch.save()를 통해 정보가 담긴 딕셔너리를 직렬화(serialize)하는 것이 필요하다.
• 일반적으로 파이토치에서는 체크포인트 저장을 위해서 .tar 확장자를 사용한다.
• 저장된 체크포인트를 불러와 사용할 때에는
  • 우선, 모델과 옵티마이저를 초기화한 뒤
  • torch.load()를 통해 직렬화된 딕셔너리를 불러온다.

pip install torch

Steps

1. 데이터를 로드하기 위해 필요한 라이브러리를 불러온다.
2. 신경망을 정의하고 초기화한다.
3. 옵티마이저를 초기화한다.
4. 체크포인트를 저장하기
5. 저장된 체크포인트를 로드하기

#단계 1. 데이터를 로드하기 위해 필요한 라이브러리를 불러오기

import torch
import torch.nn as nn
import torch.optim as optim

 

#단계 2. 신경망을 정의하기 초기화하기

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)
        
    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x
        
net = Net()

 

#단계 3. 옵티마이저 초기화

• 모멘텀(momentum)을 가진 SGD 옵티마이저를 사용한다.

optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

 

#단계 4. 체크포인트의 저장

• 관련된 정보를 모두 모아서, 정렬할 디렉토리에 저장한다.

EPOCH = 5
PATH = "model.pt"
LOSS = 0.4

torch.save({
        'epoch': EPOCH,
        'model_state_dict': net.state_dict(),
        'optimizer_state_dict': optimizer.state_dict(),
        'loss': LOSS,
        }, PATH)

 

#단계 5. 체크포인트 불러오기

• 우선, 모델과 옵티마이저를 초기화한 다음에, 저장된 체크포인트로부터 필요한 정보를 불러와야한다.

model = Net()
optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)

checkpoint = torch.load(PATH, weights_only=True)
model.load_state_dict(checkpoint['model_state_dict'])
optimizer.load_state_dict(checkpoint['optimizer_state_dict'])
epoch = checkpoint['epoch']
loss = checkpoint['loss']

# 훈련 재개를 위해서는
model.train()
# 추론에 활용할 경우에는
model.eval()