请给我一个代码例子，是关于pytorch中怎么保存深度学习训练后的模型

当我们训练好一个深度学习模型后，我们需要将其保存到磁盘上，以便在以后的时间内使用它。在 PyTorch 中，我们可以使用 `torch.save` 函数来保存训练后的模型。下面是一个保存模型的例子：

import torch

# 定义模型
class Model(torch.nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.linear = torch.nn.Linear(10, 1)

    def forward(self, x):
        return self.linear(x)

# 创建模型和优化器
model = Model()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

# 训练模型
for epoch in range(10):
    # 假设我们有一些数据 x 和目标 y
    x = torch.randn(16, 10)
    y = torch.randn(16, 1)

    # 前向传播和计算损失
    y_pred = model(x)
    loss = torch.nn.functional.mse_loss(y_pred, y)

    # 反向传播和更新梯度
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

# 保存模型
torch.save(model.state_dict(), 'model.pt')

在上述代码中，我们首先定义了一个模型 `Model`，并创建了一个优化器 `optimizer`。然后，我们使用一些数据来训练模型，其中我们使用了均方误差损失函数。最后，我们使用 `torch.save` 函数来保存模型的状态字典（state_dict）到名为 `model.pt` 的文件中。这个状态字典包含了模型的所有参数和缓存项。