FAQ5.md

5.对于模型的结构了解不清晰，对于加载与训练模型的一些warning有疑问

• 模型详解：

  保存模型有5个API，分别是fluid.io.save_vars、fluid.io.save_params、fluid.io.save_persistables、paddle.fluid.save、fluid.io.save_inference_model。 其中可用于 checkpoint 的模型保存一般用 fluid.io.save_vars、fluid.io.save_params ，官方提供的预训练模型大多为 fluid.io.save_params 保存的，有参数 filename 可指定是否分开保存各变量。 用于推理的模型用 fluid.io.save_inference_model保存使用。

  ​ fluid.io.save_persistables、paddle.fluid.save保存的模型需要删掉优化器和学习率才可以使用，前者有参数 filename 可指定是否分开保存各变量，后者只能保存以 .pdparams、.pdmodel、.pdopt为后缀的模型。

  ​ - 所有API都是默认散装保存的

• 产出模型：

1. 通过 ./tools/train.py 训练出来的模型（指定 filename=model_final ,整合保存）

./output/XXXXX/
	model_final.pdparams   网络参数
	model_final.pdmodel    训练模型
	model_final.pdopt      输入输出变量

2. 通过 ./tools/export_model.py 转化的模型

./inference_model_final/XXXXX/
	__model__      模型
	__params__     参数
	infer_cfg.yml  变量

• 加载模型：

1. 通过 ./tools/infer.py 进行预测 加载的模型为原生模型：model_final.pdparams、model_final.pdmodel、model_final.pdopt，XXXXX.yml中的 weights参数可定义加载模型路径及名称。
2. 通过 ./deploy/python/infer.py 进行预测 加载的模型为经过 ./tools/export_model.py 转化的预测模型：__model__、__params__、infer_cfg.yml

• 关于warning

版本升级后，api参数有变化，可指定保存的所有变量文件，有两种形式，一种是所有变量会按照变量名称单独保存成文件，另一种是所有变量会保存成一个文件名为该设置值的文件（**注：**结构不同，使用时一样）。这两种都是可以进行继续训练的节点模型，同时加载这两种的中的一种做为预训练模型，在加载预训练模型时会出现 not found、 not used的警告情况，这样的warning不影响训练，可以忽略。