pytorch如何加载训练好的模型

PyTorch中加载训练好的模型有两种方式：

1. 通过torch.load()方法加载模型的参数

import torch

# 定义模型
class MyModel(torch.nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.fc1 = torch.nn.Linear(10, 5)
        self.fc2 = torch.nn.Linear(5, 2)

    def forward(self, x):
        x = self.fc1(x)
        x = self.fc2(x)
        return x

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

其中，'model.pth'是训练好的模型参数保存的路径。

2. 通过torch.jit.load()方法加载序列化后的模型

import torch

# 加载模型
model = torch.jit.load('model.pt')

其中，'model.pt'是训练好的模型序列化后保存的路径。如果使用的是这种方式，则需要事先使用torch.jit.save()方法将模型序列化为.pt文件。

需要注意的是，加载模型时需要确保模型的定义与训练时的一致，否则可能会出现加载失败的情况。