pytorch如何加载保存后的模型

在PyTorch中，加载已经训练并保存好的模型通常通过`torch.load()`函数完成。这个函数可以从磁盘文件中读取模型的状态字典。以下是加载模型的基本步骤：

1. 导入必要的模块：

import torch
from torch import nn

2. 加载模型定义（如果需要）：

# 如果你是从头开始写的模型，假设你的模型是MyModel类
model = MyModel() if issubclass(MyModel, nn.Module) else None

3. 使用`torch.load()`加载模型权重：

if model is not None:
    # 指定模型保存的路径
    model_path = 'path_to_your_saved_model.pth'
    
    # 加载模型
    checkpoint = torch.load(model_path, map_location=torch.device('cpu'))
    
    # 将模型参数加载到模型实例上
    model.load_state_dict(checkpoint['state_dict'])

在这个过程中，`map_location=torch.device('cpu')`确保在GPU上训练的模型能够在CPU上运行，如果你希望在另一个GPU上运行，可以改为`map_location='cuda:0'`（将0替换为你实际的GPU ID）。