model.load_state_dict（）函数的用法

`model.load_state_dict()` 函数是 PyTorch 中用于加载模型参数的函数。它的作用是将预训练或保存的模型参数应用到指定的模型对象上。

`load_state_dict()` 函数的基本语法如下：

model.load_state_dict(state_dict, strict=True)

其中，`state_dict` 是一个包含模型参数的字典对象，它通常是通过 `torch.load()` 函数加载预训练或保存的模型文件得到的。`strict` 是一个布尔值参数，用于指定是否严格加载参数。

使用 `load_state_dict()` 函数可以完成以下任务：

1. 加载预训练模型参数：可以将预训练模型的权重加载到指定的模型对象中。通常，需要先创建一个与预训练模型结构相同的空模型对象，然后使用 `load_state_dict()` 函数将预训练模型的参数应用到该模型对象上。
2. 加载保存的模型参数：可以将保存的模型参数加载到指定的模型对象中。在使用 `torch.save()` 函数保存模型时，通常使用 `model.state_dict()` 方法获取模型的参数字典，然后将其保存到文件中。加载时，可以使用 `torch.load()` 函数加载保存的模型文件，并使用 `load_state_dict()` 函数将加载的参数应用到模型对象上。

示例代码：

# 创建空模型对象
model = MyModel()

# 加载预训练模型参数
pretrained_state_dict = torch.load('pretrained_model.pt')
model.load_state_dict(pretrained_state_dict)

# 或者加载保存的模型参数
saved_state_dict = torch.load('saved_model.pt')
model.load_state_dict(saved_state_dict)

通过以上代码，可以加载预训练模型的参数或保存的模型的参数，并将其应用到 `MyModel` 类型的 `model` 对象上。这样，`model` 对象就具有了与预训练模型或保存的模型相匹配的权重。