pytorch加载预训练模型

加载预训练模型可以使用PyTorch中的`torch.load()`函数。具体步骤如下：

1. 定义模型

import torch.nn as nn
import torchvision.models as models

model = models.resnet18(pretrained=False)
num_ftrs = model.fc.in_features
model.fc = nn.Linear(num_ftrs, 10)

2. 加载预训练模型

checkpoint = torch.load(PATH)
model.load_state_dict(checkpoint['model_state_dict'])

其中，`PATH`为预训练模型的保存路径。`checkpoint`是一个字典，包含了模型的参数和其他信息。通过`torch.load()`函数加载预训练模型，然后将模型参数加载到我们定义的模型中。

3. 使用模型进行推理

output = model(input)

其中，`input`是输入数据，`output`是模型的输出。