from torch.hub import load_state_dict_from_url

`load_state_dict_from_url` 是一个 PyTorch 中的函数，可以从指定的 URL 下载预训练模型的权重，并将其加载到指定的模型中。这个函数通常用于从 PyTorch Hub 中加载模型的预训练权重。

下面是一个使用 `load_state_dict_from_url` 的示例代码：

import torch
from torch import nn
from torch.hub import load_state_dict_from_url

# 定义模型
class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1)
        self.conv2 = nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1)
        self.fc1 = nn.Linear(128 * 8 * 8, 512)
        self.fc2 = nn.Linear(512, 10)

    def forward(self, x):
        x = nn.functional.relu(self.conv1(x))
        x = nn.functional.max_pool2d(x, 2)
        x = nn.functional.relu(self.conv2(x))
        x = nn.functional.max_pool2d(x, 2)
        x = x.view(-1, 128 * 8 * 8)
        x = nn.functional.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# 定义模型的预训练权重的 URL
url = 'https://download.pytorch.org/models/resnet18-5c106cde.pth'

# 创建模型实例
model = MyModel()

# 加载预训练权重
state_dict = load_state_dict_from_url(url)
model.load_state_dict(state_dict)

在上面的代码中，我们定义了一个名为 `MyModel` 的模型，并指定了其结构。然后我们定义了一个预训练权重的 URL，并使用这个 URL 调用 `load_state_dict_from_url` 函数，从而下载预训练模型的权重。最后，我们调用 `model.load_state_dict` 函数，将下载的权重加载到我们定义的模型实例中。