给我展示一个基于pytorch框架训练完成后的模型样子

当使用 PyTorch 框架训练完成后，保存的模型包含模型的结构和参数。以下是一个示例，展示如何保存和加载 PyTorch 模型：

import torch
import torch.nn as nn

# 创建一个简单的模型
class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.fc = nn.Linear(10, 1)

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

model = MyModel()

# 训练模型
# ...

# 保存模型的参数和结构
torch.save(model.state_dict(), 'my_model.pth')

# 加载模型
loaded_model = MyModel()
loaded_model.load_state_dict(torch.load('my_model.pth'))
loaded_model.eval()

# 对新数据进行预测
# ...

在上述示例中，我们首先定义了一个简单的模型 `MyModel`，其中包含一个线性层。然后，我们训练了模型（训练过程省略）。

接下来，我们使用 `torch.save()` 方法将模型的参数保存为名为 `my_model.pth` 的文件。注意，这里只保存了模型的参数，而不是整个模型。

然后，我们使用 `MyModel` 类创建了一个新的模型实例 `loaded_model`，并使用 `load_state_dict()` 方法加载先前保存的参数。最后，我们将模型设置为评估模式 `loaded_model.eval()`，并可以使用 `loaded_model` 对新数据进行预测。

请注意，当你保存模型时，你可以选择保存整个模型（包括结构和参数）或只保存模型的参数。在上述示例中，我们只保存了模型的参数。如果你希望保存整个模型，可以使用 `torch.save(model, 'my_model.pth')`，然后使用 `torch.load('my_model.pth')` 加载整个模型。

请根据你自己的模型和需求，选择适合的方式保存和加载模型。