Salvare e caricare con state_dict
Salvi i pesi in un checkpoint per riprendere in seguito
Salvare e caricare con state_dict è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Why Checkpoints Matter
Training can take hours, and crashes happen. Saving your progress as a checkpoint lets you stop, resume, or ship the model without retraining from zero.
What a state_dict Holds
A model's state_dict is a plain dictionary mapping each layer name to its learned tensors. It is everything the model knows, packed for storage.
model.state_dict()Save the Weights
Use torch.save on the state_dict to write the weights to disk. The .pt or .pth extension is the common convention for these files.
torch.save(model.state_dict(), 'model.pt')Load the Weights Back
To restore, read the file with torch.load and pour it into a model using load_state_dict. The architecture must match the saved one.
model.load_state_dict(torch.load('model.pt'))Recreate the Architecture First
A state_dict holds numbers, not the class itself. You must build the same model object in code before you can load weights into it.
model = MyNet()
model.load_state_dict(torch.load('model.pt'))Eval Mode After Loading
Right after loading for inference, call model.eval(). It switches dropout and batch norm into prediction behavior so outputs are correct.
model.eval()Save the Optimizer Too
To truly resume training, also save the optimizer's state_dict. It holds momentum and adaptive stats that would otherwise reset to zero.
torch.save(optimizer.state_dict(), 'opt.pt')Bundle a Full Checkpoint
Pack model, optimizer, and the current epoch into one checkpoint dict. Now a single file restores your entire training session.
ckpt = {'epoch': epoch, 'model': model.state_dict(), 'opt': optimizer.state_dict()}
torch.save(ckpt, 'ckpt.pt')Resume From a Checkpoint
Load the bundle and restore each piece in turn. Reading the saved epoch lets you continue the loop exactly where it left off.
ckpt = torch.load('ckpt.pt')
model.load_state_dict(ckpt['model'])
optimizer.load_state_dict(ckpt['opt'])Map to the Right Device
If you saved on GPU and load on CPU, pass map_location to torch.load. It moves the weights to a device your machine actually has.
torch.load('model.pt', map_location='cpu')Save the Best, Not the Last
Watch validation loss and overwrite your checkpoint only when it improves. That way you keep the best model, not whatever the final epoch produced.
Quick Check
You saved only model.state_dict(). What must exist before you can load it?
Recap
Save weights with state_dict and torch.save, rebuild the model to load them, and bundle the optimizer and epoch for a full resume. Keep the best one. 💾
Domande Frequenti
La lezione «Salvare e caricare con state_dict» è gratuita?
Sì — il testo completo di «Salvare e caricare con state_dict» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Salvare e caricare con state_dict»?
Salvi i pesi in un checkpoint per riprendere in seguito Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «Salvare e caricare con state_dict»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Separare training, validation e test
- Un ciclo per epoche con validazione
- Salvare e caricare con state_dict
- Early stopping sulla loss di validazione