load_inference_model¶

paddle.static. load_inference_model ( path_prefix, executor, **kwargs ) [源代码] ¶

从指定文件路径中加载预测模型，包括模型结构和模型参数。

参数¶

path_prefix (str) – 模型的存储目录 + 模型名称（不包含后缀）。如果是 None，表示从内存加载模型。

executor (Executor) – 运行模型的 executor，详见执行引擎。

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

model_filename (str) - 自定义 model_filename。

params_filename (str) - 自定义 params_filename。

返回¶

该接口返回一个包含三个元素的列表 [program，feed_target_names, fetch_targets]。它们的含义描述如下：

program （Program）– Program （详见基础概念）类的实例。此处它被用于预测，因此可被称为 Inference Program。

feed_target_names （list）– 字符串列表，包含着 Inference Program 预测时所需提供数据的所有变量名称（即所有输入变量的名称）。

fetch_targets （list）– Variable （详见基础概念）类型列表，包含着模型的所有输出变量。通过这些输出变量即可得到模型的预测结果。

代码示例¶

          import paddle
import numpy as np

paddle.enable_static()

# Build the model
startup_prog = paddle.static.default_startup_program()
main_prog = paddle.static.default_main_program()
with paddle.static.program_guard(main_prog, startup_prog):
    image = paddle.static.data(name="img", shape=[64, 784])
    w = paddle.create_parameter(shape=[784, 200], dtype='float32')
    b = paddle.create_parameter(shape=[200], dtype='float32')
    hidden_w = paddle.matmul(x=image, y=w)
    hidden_b = paddle.add(hidden_w, b)
exe = paddle.static.Executor(paddle.CPUPlace())
exe.run(startup_prog)

# Save the inference model
path_prefix = "./infer_model"
paddle.static.save_inference_model(path_prefix, [image], [hidden_b], exe)

[inference_program, feed_target_names, fetch_targets] = (
    paddle.static.load_inference_model(path_prefix, exe))
tensor_img = np.array(np.random.random((64, 784)), dtype=np.float32)
results = exe.run(inference_program,
              feed={feed_target_names[0]: tensor_img},
              fetch_list=fetch_targets)

# In this example, the inference program was saved in file
# "./infer_model.pdmodel" and parameters were saved in file
# " ./infer_model.pdiparams".
# By the inference program, feed_target_names and
# fetch_targets, we can use an executor to run the inference
# program to get the inference result.

         