在PyTorch中，保存模型通常是为了在将来重新加载和使用模型。有两种主要的方法可以保存模型：使用torch.save()和torch.jit.script()。

1. 使用torch.save()保存模型
   torch.save()是最常用的保存模型的方法。它可以将模型的参数和配置保存到磁盘上，以便以后重新加载。这种方法适用于保存训练好的模型，以便在新的数据集上进行推理或微调。
   下面是一个简单的示例，演示如何使用torch.save()保存模型：

   import torch
   # 假设我们有一个训练好的模型
   model = ...
   # 将模型保存到磁盘
   torch.save(model.state_dict(), 'model.pth')

   在上面的示例中，我们首先导入了PyTorch库。然后，我们创建了一个训练好的模型实例（这里用省略号表示）。接下来，我们调用model.state_dict()方法获取模型的参数，并使用torch.save()方法将参数保存到名为’model.pth’的文件中。
   要重新加载模型，可以使用torch.load()方法：
   ```python

   从磁盘加载模型参数

   model_parameters = torch.load(‘model.pth’)

   创建一个新的模型实例

   model = …

   将参数加载到模型中

   model.load_state_dict(model_parameters)
   ``在上面的示例中，我们首先使用torch.load()方法从磁盘加载模型的参数。然后，我们创建一个新的模型实例（这里用省略号表示）。最后，我们调用model.load_state_dict()`方法将参数加载到模型中。
2. 使用torch.jit.script()保存模型
   另一种保存模型的方法是使用torch.jit.script()。这种方法可以将整个模型转换为TorchScript脚本，并将其保存到磁盘上。这种方法适用于将模型部署到没有Python解释器的环境中，例如服务器或移动设备。
   下面是一个简单的示例，演示如何使用torch.jit.script()保存模型：
   ```python
   import torch
   import torchvision

   假设我们有一个训练好的模型

   model = …

   将模型转换为TorchScript脚本

   traced_script_module = torch.jit.trace(model, torch.rand(1, 3, 224, 224))
   scripted_module = torch.jit.script(traced_script_module)

   将脚本保存到磁盘

   scripted_module.save(‘model.pt’)
   在上面的示例中，我们首先导入了PyTorch库和torchvision库（这里用于演示）。然后，我们创建了一个训练好的模型实例（这里用省略号表示）。接下来，我们调用`torch.jit.trace()`方法对模型进行跟踪，并使用`torch.jit.script()`方法将跟踪后的模型转换为TorchScript脚本。最后，我们调用`scripted_module.save()`方法将脚本保存到名为'model.pt'的文件中。 要重新加载模型，可以使用`torch.jit.load()`方法：python

   从磁盘加载TorchScript脚本

   loaded_model = torch.jit.load(‘model.pt’)

   在一个新的设备上运行脚本

   input = torch.rand(1, 3, 224, 224)
   output = loaded_model(input)
   ``在上面的示例中，我们首先使用torch.jit.load()`方法从磁盘加载TorchScript脚本。然后，我们创建一个输入张量，并将其传递给加载的脚本以获取输出。注意，这种方法需要在支持TorchScript的设备上运行，例如具有CUDA支持的GPU或CPU。