قواميس الحالة والتحميل المراجع

import io, copy
import torch
from torch import nn
class Centered(nn.Module):
    def __init__(self):
        super().__init__()
        self.weight = nn.Parameter(torch.tensor([[2.0,-1.0]],dtype=torch.float64,device="cpu"))
        self.bias = nn.Parameter(torch.tensor([0.5],dtype=torch.float64,device="cpu"))
        self.register_buffer("center",torch.tensor([1.0,1.0],dtype=torch.float64,device="cpu"))
    def forward(self,x):
        return (x-self.center) @ self.weight.t()+self.bias
model = Centered()
snapshot = copy.deepcopy(model.state_dict())
stream = io.BytesIO()
torch.save(snapshot,stream)
stream.seek(0)
state = torch.load(stream,map_location="cpu",weights_only=True)
restored = Centered()
restored.load_state_dict(state,strict=True)
restored.eval()
x = torch.tensor([[3.0,2.0]],dtype=torch.float64,device="cpu")
with torch.no_grad():
    output = restored(x)
print("keys", sorted(state))
print("output", output.tolist())

keys ['bias', 'center', 'weight']
output [[3.5]]

يوصف فقط أثر موترات ذاتي داخل الذاكرة. لا تعني weights_only الصريحة وخريطة CPU سلامة تحميل عامة أو توافقاً؛ ولم ينفذ حفظ أو تحميل أو استدعاء نموذج.

import json
required = {"weight","bias","center"}
incomplete = {"weight":[2.0,-1.0],"bias":0.5}
print("missing state", sorted(required-incomplete.keys()))
complete = dict(incomplete,center=[1.0,1.0])
restored = json.loads(json.dumps(complete,allow_nan=False))
x = [3.0,2.0]
value = sum((a-c)*w for a,c,w in zip(x,restored["center"],restored["weight"]))+restored["bias"]
print(f"restored scalar={value:.2f}")

missing state ['center']
restored scalar=3.50

يفحص JSON المنفذ الحالة المسماة المطلوبة والدالة العددية المعلنة. وليس نقطة حفظ torch أو اختبار توافق حفظ.