pytorch 深度学习时，每个循环保存一个模型，且不覆盖，保存的模型名字用当前的epoch命名

好的，您可以使用以下代码实现每个epoch保存一个模型且不覆盖之前的模型：

import torch

model = YourModel()  # 创建模型实例
optimizer = YourOptimizer()  # 创建优化器实例

num_epochs = YourNumEpochs()  # 训练轮数
save_path = YourSavePath()  # 模型保存路径

for epoch in range(num_epochs):
    # 训练代码
    # ...

    # 保存模型
    model_name = f"model_epoch{epoch}.pt"
    model_path = f"{save_path}/{model_name}"
    torch.save({
        'epoch': epoch,
        'model_state_dict': model.state_dict(),
        'optimizer_state_dict': optimizer.state_dict(),
    }, model_path)

在每个epoch结束后，将会保存一个名为 `model_epochX.pt` 的模型文件，其中 `X` 为当前epoch的数值。你可以将 `YourModel()` 和 `YourOptimizer()` 替换为你自己的模型和优化器实例， `YourNumEpochs()` 替换为你想要的训练轮数， `YourSavePath()` 替换为你想要保存模型的路径。