pytorch 如何保存模型并调用模型

要保存 PyTorch 模型，你可以使用 `torch.save()` 方法。下面是一个保存和加载模型的示例代码：

保存模型：

import torch

# 假设模型的名称为 model
# 保存模型的路径和文件名
path = "model.pt"

# 保存模型
torch.save(model.state_dict(), path)

加载模型：

import torch

# 假设模型的名称为 model
# 加载模型的路径和文件名
path = "model.pt"

# 实例化模型类
model = ModelClass(*args, **kwargs)

# 加载模型参数
model.load_state_dict(torch.load(path))

请确保在加载模型之前，你已经定义了与保存模型时相同的模型类，并且使用相同的参数来实例化模型类。这样可以确保加载的模型参数能够正确地应用于模型。

另外，你也可以使用 `torch.save()` 函数直接保存整个模型（包括模型结构和参数）：

torch.save(model, path)

加载整个模型时，可以使用 `torch.load()` 函数：

model = torch.load(path)

需要注意的是，加载整个模型时，你需要保证加载的设备与保存模型时的设备相同。如果需要在不同设备间迁移模型，可以使用 `torch.load()` 函数的 `map_location` 参数来指定设备。例如：

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = torch.load(path, map_location=device)

这样可以将模型加载到可用的设备上。