pytorch在每个epoch循环时保存一个model，将当前的epoch写到要保存的model文件名里

你可以在 PyTorch 中使用字符串格式化来将当前 epoch 写入要保存的模型文件名中。具体来说，你可以在训练循环内部添加代码以在每个 epoch 结束时保存当前模型，并将当前 epoch 写入模型文件名中。

以下是一个示例代码，它会在每个 epoch 结束时保存当前模型，并将当前 epoch 写入模型文件名中：

import torch

# 初始化模型和优化器
model = ...
optimizer = ...
...

# 开始训练循环
num_epochs = ...
for epoch in range(num_epochs):
    # 训练模型
    train_loss = ...
    ...

    # 保存模型
    filename = "model_epoch{}.pt".format(epoch)
    torch.save({
        'epoch': epoch,
        'model_state_dict': model.state_dict(),
        'optimizer_state_dict': optimizer.state_dict(),
        'loss': train_loss,
    }, filename)

在这个例子中，我们在训练循环内部使用了字符串格式化来将当前 epoch 写入模型文件名中。我们使用了 PyTorch 的 `torch.save()` 函数来保存模型，该函数将模型的状态字典、优化器状态字典和当前训练损失保存到文件中。在保存模型时，我们将当前 epoch 作为文件名的一部分，以便在每个 epoch 结束时创建一个新的模型文件。