PyTorch：模型加载方法总结

pytorch模型加载方法汇总
在PyTorch中，有多种方法可以加载预训练模型。以下是几种常用的方法：

1. 使用 torch.load() 函数
   torch.load() 函数用于加载保存的模型参数。通常，这种方法用于加载保存的模型参数，而不是完整的模型。加载模型参数后，需要创建一个模型实例，然后将加载的参数赋值给该模型。
   示例代码如下：

   import torch
   import torchvision.models as models
   # 创建模型实例
   model = models.vgg16(pretrained=True)
   # 保存模型参数
   torch.save(model.state_dict(), 'model_parameters.pth')
   # 加载模型参数
   loaded_params = torch.load('model_parameters.pth')
   # 创建模型实例并加载参数
   model = models.vgg16()
   model.load_state_dict(loaded_params)

2. 使用 torch.jit.load() 函数
   torch.jit.load() 函数用于加载TorchScript格式的模型。TorchScript是一种将PyTorch模型序列化为TorchScript格式的方式，可以跨平台运行，并且不需要依赖PyTorch运行时。这种方法可以直接加载完整的模型，不需要先保存模型参数。
   示例代码如下：

   import torch
   import torchvision.models as models
   # 创建模型实例并保存为TorchScript格式
   model = models.vgg16(pretrained=True)
   traced_script_module = torch.jit.trace(model, torch.randn(1, 3, 224, 224))
   torch.jit.save(traced_script_module, 'model.pt')
   # 加载TorchScript格式的模型
   loaded_model = torch.jit.load('model.pt')

3. 使用 model.load_state_dict() 方法
   model.load_state_dict() 方法用于加载保存的模型状态字典。这种方法通常用于加载保存的模型参数，而不是完整的模型。与 torch.load() 方法类似，需要先创建一个模型实例，然后将加载的状态字典赋值给该模型。
   示例代码如下：

   import torch
   import torchvision.models as models
   # 创建模型实例并保存状态字典
   model = models.vgg16(pretrained=True)
   model_state_dict = model.state_dict()
   torch.save(model_state_dict, 'model_state_dict.pth')
   # 加载状态字典并创建模型实例
   loaded_state_dict = torch.load('model_state_dict.pth')
   model = models.vgg16()
   model.load_state_dict(loaded_state_dict)

4. 使用 torchvision.models 模块中的函数加载预训练模型
   torchvision.models 模块提供了多种预训练模型的函数，可以直接创建并加载预训练模型。例如，可以使用 torchvision.models.vgg16() 函数创建并加载预训练的VGG16模型。这种方法可以直接加载完整的预训练模型，不需要先保存模型参数或状态字典。