pytorch load checkpoint

PyTorch中的`load_checkpoint`函数是用来加载之前保存的模型检查点（checkpoint），这对于训练过程中的模型保存和恢复非常有用。检查点通常包含模型的权重、优化器状态和其他训练信息。以下是一个简单的例子：

from torch import nn
from torch.utils.data import DataLoader
import torch.optim as optim
from torchvision.models import resnet18

# 加载模型并指定预训练模型路径
model = resnet18(pretrained=True)

# 如果有保存的检查点文件
checkpoint_path = 'path/to/your/checkpoint.pth'

# 使用load_state_dict()函数加载检查点
checkpoint = torch.load(checkpoint_path)
model.load_state_dict(checkpoint['model_state_dict'])

# 如果检查点还包含了优化器的状态，可以这样更新优化器
if 'optimizer_state_dict' in checkpoint:
    optimizer = optim.SGD(model.parameters(), lr=0.001)  # 假设这是一个SGD优化器
    optimizer.load_state_dict(checkpoint['optimizer_state_dict'])

在这个例子中，`load_state_dict()`函数将检查点中的模型权重应用到模型的参数上，而`optimizer.load_state_dict()`则是为了恢复之前的优化器状态。