pytorch baocunmoxing

在PyTorch中保存模型有多种方法。其中一种常见的方法是使用`torch.save()`函数将整个模型保存到文件中，例如`torch.save(model, 'model.pth')`。这种方法可以保存整个模型的结构和参数，但在加载时需要使用相同的模型类来加载。

另一种方法是只保存模型的参数，而不保存整个模型的结构。这可以通过使用模型的`state_dict()`方法来实现。`state_dict()`方法返回一个`OrderedDict`，其中包含了模型的所有参数。可以使用`torch.save()`函数将`state_dict`保存到文件中，例如`torch.save(model.state_dict(), 'model_params.pth')`。在加载时，可以使用`torch.load()`函数加载参数，并使用`model.load_state_dict()`方法将参数加载到新模型中，例如：

state_dict = torch.load('model_params.pth')
new_model.load_state_dict(state_dict)

需要注意的是，如果加载的参数与新模型的结构不匹配，会出现`unexpected key`的错误。可以通过在`load_state_dict()`方法中设置`strict=False`来忽略不匹配的键，只加载匹配的键的参数，例如：

new_model.load_state_dict(state_dict, strict=False)

这样可以很容易地加载预训练的参数，但需要注意检查键是否匹配。如果只需要使用保存的模型进行推理测试，推荐使用第二种方法，即只保存训练好的模型的权重参数。
#### 引用[.reference_title]
- *1* *2* *3* [pytorch模型保存](https://blog.csdn.net/m0_61633560/article/details/126723835)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]