python中怎么保存训练好的网络

在Python中，特别是使用深度学习框架如TensorFlow或PyTorch训练好神经网络后，通常会将其模型保存下来以便于后续使用或分享。这里以TensorFlow和PyTorch为例：

**TensorFlow (tf.train.Saver)**:

import tensorflow as tf

# 创建模型并训练
model = MyModel()  # 假设MyModel是一个定义了变量的类
optimizer = tf.train.AdamOptimizer()
train_step = optimizer.minimize(model.loss)

# 初始化所有变量
init = tf.global_variables_initializer()

# 创建Saver对象
saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init)
    ...  # 训练过程
    # 当达到期望状态时，保存模型
    save_path = saver.save(sess, 'path/to/model.ckpt')

**PyTorch (torch.save and torch.load)**:

import torch
from my_model import Net  # 自定义的网络结构

net = Net()
optimizer = torch.optim.Adam(net.parameters())
...  # 训练过程

# 使用torch.save保存模型
torch.save({
    'state_dict': net.state_dict(),  # 存储模型参数
}, 'path/to/my_model.pth')

# 要恢复模型，使用torch.load
loaded_net = Net()  # 如果需要，创建新的模型实例
loaded_state_dict = torch.load('path/to/my_model.pth')['state_dict']
loaded_net.load_state_dict(loaded_state_dict)