save

paddle.jit. save ( layer, path, input_spec=None, **configs )

将输入的 Layer 或 function 存储为 paddle.jit.TranslatedLayer 格式的模型，载入后可用于预测推理或者 fine-tune 训练。

该接口会将输入 Layer 转写后的模型结构 Program 和所有必要的持久参数变量存储至输入路径 path 。

path 是存储目标的前缀，存储的模型结构 Program 文件的后缀为 .pdmodel ，存储的持久参数变量文件的后缀为 .pdiparams，同时这里也会将一些变量描述信息存储至文件，文件后缀为 .pdiparams.info，这些额外的信息将在 fine-tune 训练中使用。

存储的模型能够被以下 API 完整地载入使用：

  • paddle.jit.load

  • paddle.static.load_inference_model

  • 其他 C++ 预测库 API

注解

当使用 paddle.jit.save 保存 function 时，function 不能包含参数变量。如果必须保存参数变量，请用 Layer 封装 function，然后按照处理 Layer 的方式调用相应的 API。

参数

  • layer (Layer|function) - 需要存储的 Layer 对象或者 function。

  • path (str) - 存储模型的路径前缀。格式为 dirname/file_prefix 或者 file_prefix 。

  • input_spec (list or tuple[InputSpec|Tensor|Python built-in variable]，可选) - 描述存储模型 forward 方法的输入，可以通过 InputSpec 或者示例 Tensor 进行描述。此外，我们还支持指定非张量类型的参数，比如 int、float、string，或者这些类型的列表/字典。如果为 None，所有原 Layer forward 方法的输入变量将都会被配置为存储模型的输入变量。默认为 None。

  • configs (dict，可选) - 其他用于兼容的存储配置选项。这些选项将来可能被移除，如果不是必须使用，不推荐使用这些配置选项。默认为 None。目前支持以下配置选项：(1) output_spec (list[Tensor]) - 选择存储模型的输出目标。默认情况下，所有原 Layer forward 方法的返回值均会作为存储模型的输出。如果传入的 output_spec 列表不是所有的输出变量，存储的模型将会根据 output_spec 所包含的结果被裁剪。

返回

无

代码示例

COPY-FROM: paddle.jit.save

使用本API的教程文档