pytorch训练好的模型保存

在 PyTorch 中，可以使用 `torch.save()` 来保存训练好的模型。具体的步骤如下：

1. 定义模型并训练模型

import torch
import torch.nn as nn
import torch.optim as optim

# 定义模型
class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        # 定义模型结构
        ...

    def forward(self, x):
        # 前向传播
        ...

model = MyModel()

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)

# 训练模型
for epoch in range(num_epochs):
    for data in dataloader:
        inputs, labels = data
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

2. 保存模型

# 保存模型
torch.save(model.state_dict(), 'path/to/model.pth')

在保存模型时，可以使用 `state_dict()` 方法来获取模型的参数，并将其保存到文件中。这里的文件路径可以根据实际情况进行修改。

3. 加载模型

# 加载模型
model = MyModel()
model.load_state_dict(torch.load('path/to/model.pth'))

在加载模型时，可以先创建一个新的模型对象，然后使用 `load_state_dict()` 方法来加载参数。这里的文件路径也可以根据实际情况进行修改。