如何利用PyTorch训练生成文件查看特定Epoch的模型损失及统计信息？

你可以通过以下两种方式提取目标Epoch的损失和鲁棒性统计数据：

1. 优先读取log/train_stats.npy #

这个文件是训练过程中专门保存所有Epoch统计指标的文件，包含你需要的损失、鲁棒性结果等。用Python加载后即可直接提取：

import numpy as np

# 加载统计数据
train_stats = np.load("log/train_stats.npy", allow_pickle=True).item()
# 先查看文件包含的指标类型（比如train_loss、robust_acc等）
print(train_stats.keys())
# 提取指定Epoch的统计（注意Epoch编号是否从1开始，索引需对应调整）
target_epoch = 93
# 假设Epoch从1开始，索引减1
print(f"Epoch {target_epoch} 训练损失: {train_stats['train_loss'][target_epoch-1]}")
print(f"Epoch {target_epoch} 鲁棒性指标: {train_stats['robust_acc'][target_epoch-1]}")

2. 从resnet文件夹的checkpoint文件提取 #

如果train_stats.npy里缺少你需要的特定指标，可以读取对应Epoch的opt-res-checkpoint_epochX.tar文件——这类checkpoint通常会附带该Epoch的训练统计：

import torch

# 加载目标Epoch的checkpoint
checkpoint = torch.load("resnet/opt-res-checkpoint_epoch93.tar")
# 查看checkpoint包含的内容
print(checkpoint.keys())
# 提取统计数据（键名需根据实际保存的内容调整）
print(f"Epoch 93 训练损失: {checkpoint.get('train_loss')}")
print(f"Epoch 93 鲁棒性指标: {checkpoint.get('robust_metric')}")

这两种方式都能帮你找回目标Epoch的统计信息，完全不需要重新执行训练。

内容的提问来源于stack exchange，提问作者Sergio