save_inference_model¶

paddle.static. save_inference_model ( path_prefix, feed_vars, fetch_vars, executor, **kwargs ) [源代码] ¶

将模型及其参数保存到指定的路径。例如，path_prefix="/path/to/modelname" ，在调用 save_inference_model(path_prefix, feed_vars, fetch_vars, executor) 之后，你可以在 "/path/to" 目录下找到两个文件，分别是 "modelname.pdmodel" 和 "modelname.pdiparams"，前者表示序列化之后的模型文件，后者表示序列化之后的参数文件。

参数:

• path_prefix (str) – 要保存到的目录 + 模型名称（不包含后缀）。

• feed_vars (Variable | list[Variable]) – 模型的所有输入变量。

• fetch_vars (Variable | list[Variable]) – 模型的所有输出变量。

• executor (Executor) – 用于保存预测模型的 executor ，详见 执行引擎 。

• kwargs - 支持的 key 包括 'program'。(注意：kwargs 主要是用来做反向兼容的)。

  • program - 自定义一个 program，默认使用 default_main_program。

返回： None

抛出异常：

• ValueError – 若 feed_vars 不是 Variable 或 Variable 类型列表，则抛出异常。

• ValueError – 若 fetch_vars 不是 Variable 或 Variable 类型列表，则抛出异常。

代码示例

import paddle

paddle.enable_static()

path_prefix = "./infer_model"

# 用户定义网络，此处以softmax回归为例
image = paddle.static.data(name='img', shape=[None, 28, 28], dtype='float32')
label = paddle.static.data(name='label', shape=[None, 1], dtype='int64')
predict = paddle.static.nn.fc(image, 10, activation='softmax')

loss = paddle.nn.functional.cross_entropy(predict, label)
avg_loss = paddle.tensor.stat.mean(loss)

exe = paddle.static.Executor(paddle.CPUPlace())
exe.run(paddle.static.default_startup_program())

# 数据输入及训练过程

# 保存预测模型。注意，用于预测的模型网络结构不需要保存标签和损失。
paddle.static.save_inference_model(path_prefix, [image], [predict], exe)

# 在本示例中，save_inference_mode 将根据网络的输入（image）和输出（predict）修剪模型。
# 修剪得到的模型将被保存在 "./infer_model.pdmodel" 文件中，
# 模型参数将被保存在 "./infer_model.pdiparams" 文件中。