if train_cfg.flownet == '2sd': flow_net = FlowNet2SD(batchNorm=False, div_flow=20, channel_n=channel_n) flow_net.load_state_dict(torch.load('models/flownet2/FlowNet2-SD.pth')['state_dict']) else: flow_net = lite_flow.Network() flow_net.load_state_dict(torch.load('models/liteFlownet/network-default.pytorch')) flow_net.cuda().eval() # U

这段代码是用来加载光流模型的。首先判断使用的光流模型类型，如果是'2sd'，则加载FlowNet2SD模型；否则，加载liteFlowNet模型。

在加载模型之后，将其移动到GPU上，并设置为评估模式（eval）。这样，在进行光流计算时，就可以直接使用该模型进行计算。

值得注意的是，这段代码中使用了torch.load()函数来加载模型参数，该函数默认加载CPU上的模型参数。因此，在加载模型之后，还需要调用.cuda()函数将其移动到GPU上。