训练好的torch模型如何调用

训练好的 Torch 模型可以通过以下步骤进行调用：

1. 加载模型

import torch

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

2. 准备输入数据

# 准备输入数据
input_data = torch.tensor([[1, 2, 3], [4, 5, 6]])

3. 使用模型进行预测

# 使用模型进行预测
with torch.no_grad():
    output = model(input_data)

在这个例子中，我们使用 `torch.load()` 函数加载训练好的模型。然后，我们准备输入数据，这里使用了一个简单的二维张量。最后，我们使用 `model()` 函数进行预测。需要注意的是，我们使用了 `torch.no_grad()` 上下文管理器来禁用梯度计算，这是因为在预测阶段我们不需要进行反向传播和梯度更新。

如果你的模型是在 GPU 上训练的，那么需要在进行预测之前将模型和数据都移动到 GPU 上。例如：

# 将模型和数据移动到 GPU 上
device = torch.device('cuda')
model.to(device)
input_data = input_data.to(device)

# 使用模型进行预测
with torch.no_grad():
    output = model(input_data)

在这个例子中，我们使用 `torch.device()` 函数指定了使用 CUDA 设备，在使用模型之前将模型和数据都移动到了指定的设备上。