torch神经网络模型加载

要加载torch神经网络模型，有两种方法可以选择，具体取决于你想要保存和加载的内容。

方法一是保存和加载整个网络，包括网络的图结构。你可以使用以下代码保存网络：

torch.save(model, PATH)

其中，`model`是你想要保存的模型，`PATH`是保存文件的路径。要加载网络，可以使用以下代码：

model2 = torch.load(PATH)

这样，你就可以得到一个与原始模型相同的`model2`。

方法二是保存和加载网络的参数名及值，不包括网络的图结构。你可以使用以下代码保存网络参数：

torch.save(model.state_dict(), PATH)

其中，`model.state_dict()`是你想要保存的模型的参数名及值，`PATH`是保存文件的路径。要加载网络，可以使用以下代码：

model2 = MyModel()  # 初始化准备载入参数的新模型
state_dict = torch.load(PATH)  # 加载参数及值
model2.load_state_dict(state_dict)

这样，你就可以得到一个新的模型`model2`，并将之前保存的参数加载到其中。

另外，如果你只想加载已经被脚本化的模型并进行预测，可以使用以下代码：

model7 = torch.jit.load('mlp_scripted.pt')  # 加载脚本化的模型
print(model7)  # 打印模型结构
x = torch.randn(1, 4)  # 创建输入数据
print(model7(x))  # 进行预测
pred = torch.argmax(model7(x), axis=1)  # 获取预测结果
print(pred)

这样，你就可以加载已经脚本化的模型，并使用它进行预测。
#### 引用[.reference_title]
- *1* *2* [【Pytorch】神经网络模型保存与加载](https://blog.csdn.net/Mocode/article/details/131270058)[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^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [【torch保存神经网络模型并加载和测试】](https://blog.csdn.net/m0_46256255/article/details/129956967)[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^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]