model.load_state_dict(checkpoint['model_state_dict'])

`load_state_dict()` 是PyTorch中的一个重要功能，用于加载模型的状态（包括参数和优化器状态）到另一个已经定义好的模型实例上。这个方法通常用于模型的迁移学习或者训练过程中保存和恢复模型。

当你从checkpoint文件中读取到 `model_state_dict`[^1] 或者 `{'model_state_dict': ...}` 这部分时，你可以这样使用它来恢复模型：

# 假设 checkpoint 是通过 torch.save 存储的数据
checkpoint = torch.load(PATH)

# 如果checkpoint包含的是单独的model state dict
model_to_load = ModelClass()  # ModelClass是你想要加载模型类
model_to_load.load_state_dict(checkpoint['model_state_dict'])

# 如果checkpoint包含了完整的训练信息，如epoch, loss等
model_to_load.load_state_dict(checkpoint['model_state_dict'])
optimizer_to_load.load_state_dict(checkpoint['optimizer_state_dict'])  # 如果存在优化器

# 之后，你可以继续使用这个模型和优化器进行后续的训练或推理

注意：在调用 `load_state_dict()` 之前，要确保你要加载的模型 (`model_to_load`) 类型与checkpoint中的 `model_state_dict` 相匹配。如果不匹配，可能会导致错误，因为不同类型的模型可能有不同的参数结构。