Appearance
第4章：模型保存和加载
在PyTorch中，保存和加载模型是一个重要的步骤，它允许你保存训练好的模型并在以后重新使用或部署。
4.1 保存PyTorch模型
4.1.1 保存整个模型
保存整个模型，包括模型结构和参数。
python
torch.save(model, 'model.pth')4.1.2 仅保存模型参数
仅保存模型参数，不包括模型结构。
python
torch.save(model.state_dict(), 'model_parameters.pth')4.2 加载预训练模型
4.2.1 加载整个模型
加载整个模型，包括模型结构和参数。
python
model = torch.load('model.pth')4.2.2 加载模型参数
加载模型参数到指定的模型结构中。
python
model = CustomModel()
model.load_state_dict(torch.load('model_parameters.pth'))4.3 模型转换和部署
4.3.1 模型转换
将模型转换为其他格式，如ONNX，以便在不同的平台上部署。
python
torch.onnx.export(model, dummy_input, 'model.onnx')4.3.2 模型部署
部署模型到生产环境，如使用TorchScript或ONNX。
python
scripted_model = torch.jit.script(model)
torch.jit.save(scripted_model, 'scripted_model.pth')4.4 本章小结
本章介绍了如何在PyTorch中保存和加载模型，包括保存整个模型和仅保存模型参数，以及模型的转换和部署。这些技能对于模型的持久化和应用至关重要。