load_params

.. py:function:: paddle.fluid.io.load_params(executor, dirname, main_program=None, filename=None)

该接口从指定的 main_program 中筛选出所有模型参数变量，并根据目录 dirname 或 filename 提供的参数文件对这些模型参数进行赋值。

使用 dirname 指定模型参数的存储路径。若模型参数变量以分离文件的形式存储在 dirname 指定的目录下，则设置 filename 值为None；若所有模型参数存储在一个单独的二进制文件中，则使用 filename 来指明这个二进制文件。

注意：

有些变量不是参数，如学习率、全局训练步数（global step）等，但它们之于训练却是必要的。因此，调用 :ref:`cn_api_fluid_io_save_params` 和 :ref:`cn_api_fluid_io_load_params` 来保存和加载参数对于断点训练是不够的，这种情况下可以使用 :ref:`cn_api_fluid_io_save_persistables` 和 :ref:`cn_api_fluid_io_load_persistables` 来保存和加载训练过程的检查点（checkpoint）。
若希望同时加载预训练后的模型结构和模型参数以用于预测过程，则可使用 :ref:`cn_api_fluid_io_load_inference_model` 接口。更多细节请参考 :ref:`api_guide_model_save_reader` 。

参数:

executor (Executor) – 加载模型参数的 executor （详见 :ref:`api_guide_executor` ）。
dirname (str) – 模型参数的存储路径。
main_program (Program，可选) – 筛选模型参数变量所依据的 Program （详见 :ref:`api_guide_Program` ）。若为None, 则使用全局默认的 default_main_program 。默认值为None。
filename (str，可选) – 若模型参数是以若干文件形式存储在 dirname 指定的目录下，则设置 filename 值为None。反之，需要通过 filename 来指明单一模型参数存储文件的名称。默认值为None。

返回: 无

代码示例

import paddle.fluid as fluid

exe = fluid.Executor(fluid.CPUPlace())
param_path = "./my_paddle_model"
prog = fluid.default_main_program()
fluid.io.load_params(executor=exe, dirname=param_path,
                    main_program=None)