PyTorch翻译官网教程8-SAVE AND LOAD THE MODEL

**PyTorch翻译官网教程8-SAVE AND LOAD THE MODEL**

在前面的章节中，我们已经学习了如何使用PyTorch构建一个简单的神经网络模型，并且训练这个模型。然而，在实际应用中，模型的保存和加载是非常重要的一步。因为我们可能需要将模型保存下来，以便在其他设备上使用或者分享给他人。

**8.1保存模型**

PyTorch提供了一个`torch.save()`函数来保存模型。这个函数可以将模型的状态（包括权重、偏置等）保存到指定的文件中。

import torch# 假设我们有一个已经训练好的模型model = MyModel()

#保存模型到文件中torch.save(model.state_dict(), 'model.pth')

在上面的代码中，我们使用`model.state_dict()`来获取模型的状态，然后将其保存到名为`model.pth`的文件中。

**8.2 加载模型**

当我们需要加载一个已经保存好的模型时，可以使用`torch.load()`函数。这个函数可以从指定的文件中读取模型的状态，并且将其赋值给一个新的模型实例。

import torch# 从文件中读取模型的状态model_state = torch.load('model.pth')

# 创建一个新模型实例new_model = MyModel()

# 将模型的状态赋值给新模型new_model.load_state_dict(model_state)

在上面的代码中，我们使用`torch.load()`函数从文件中读取模型的状态，然后将其赋值给一个新的模型实例。

**8.3保存和加载整个模型**

如果我们需要保存整个模型（包括模型的结构和状态），可以使用`torch.save()`函数来保存整个模型。这个函数会将整个模型的结构和状态都保存到指定的文件中。

import torch# 假设我们有一个已经训练好的模型model = MyModel()

#保存整个模型到文件中torch.save(model, 'model.pth')

在上面的代码中，我们使用`torch.save()`函数来保存整个模型，包括模型的结构和状态。

**8.4 加载整个模型**

当我们需要加载一个已经保存好的整个模型时，可以使用`torch.load()`函数。这个函数可以从指定的文件中读取整个模型的结构和状态，并且将其赋值给一个新的模型实例。

import torch# 从文件中读取整个模型的结构和状态model = torch.load('model.pth')

在上面的代码中，我们使用`torch.load()`函数从文件中读取整个模型的结构和状态，并且将其赋值给一个新的模型实例。

**8.5 总结**

在本章节中，我们学习了如何使用PyTorch保存和加载模型。我们可以使用`torch.save()`函数来保存模型的状态，或者使用`torch.load()`函数来读取模型的状态。我们也可以使用`torch.save()`函数来保存整个模型，包括模型的结构和状态，并且使用`torch.load()`函数来读取整个模型的结构和状态。

**8.6例子**

下面是一个例子，展示了如何使用PyTorch保存和加载模型：

import torch# 假设我们有一个已经训练好的模型model = MyModel()

#保存模型到文件中torch.save(model.state_dict(), 'model.pth')

# 从文件中读取模型的状态model_state = torch.load('model.pth')

# 创建一个新模型实例new_model = MyModel()

# 将模型的状态赋值给新模型new_model.load_state_dict(model_state)

在上面的例子中，我们使用`torch.save()`函数来保存模型的状态，然后使用`torch.load()`函数来读取模型的状态，并且将其赋值给一个新的模型实例。

**8.7 参考**

* PyTorch官方文档： PyTorch保存和加载模型的教程：