pytorch 保存模型参数

在PyTorch中，我们可以使用torch.save()函数来保存模型的参数。该函数的第一个参数是要保存的模型参数，可以是模型的state_dict或完整的模型对象。第二个参数是保存的文件路径。
下面是一个保存模型参数的简单例子：
import torch
import torch.nn as nn

# 创建一个简单的模型
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.fc = nn.Linear(10, 2)

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

model = Net()

# 保存模型参数
torch.save(model.state_dict(), 'model.pth')

在上述代码中，我们首先定义了一个简单的神经网络模型Net，包含一个全连接层。然后，我们创建了一个实例化的模型对象model。
最后，我们使用torch.save()函数将模型的state_dict保存到文件model.pth中。
要加载保存的模型参数，可以使用torch.load()函数。下面是加载模型参数的例子：
# 加载模型参数
model = Net()
model.load_state_dict(torch.load('model.pth'))

在上述代码中，我们首先创建了一个新的模型对象model，然后使用torch.load()函数加载之前保存的模型参数。通过这种方式，我们可以恢复训练过的模型或在其他任务中使用保存的模型参数。