在 PyTorch 中，我们可以使用 torch.save 函数将 PyTorch 模型保存到文件。这个函数接受两个参数：要保存的对象（通常是模型），以及文件路径。
保存模型参数
import torch
import torch.nn as nn
# 假设有一个简单的模型
class SimpleModel(nn.Module):
def __init__(self):
super(SimpleModel, self).__init__()
self.fc = nn.Linear(10, 5)
model = SimpleModel()
# 这里可以进行模型的训练
# training step......
# 定义保存路径
save_path = 'simple_model.pth'
# 使用 torch.save 保存模型
torch.save(model.state_dict(), save_path)
在上面的例子中，model.state_dict() 用于获取模型的状态字典（包含模型的所有参数）。然后，torch.save 函数将这个状态字典保存到指定的文件路径（'simple_model.pth'）。
再次需要用到模型时可以调用参数：
# 设备设置
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = SimpleModel().to(device)
model.load_state_dict(torch.load('simple_model.pth'))
model.eval()
保存整个模型
如果想保存整个模型（包括模型的架构和参数），而不仅仅是参数，我们可以直接传递整个模型对象给 torch.save：
# 定义保存路径
torch.save(model, save_path)
要加载已保存的模型，可以使用 torch.load 函数：
loaded_model = torch.load(save_path)
这将加载模型的状态字典或整个模型，具体取决于你保存模型时使用的方法。
请注意，加载模型时，确保你的代码中定义了模型的类（例如，SimpleModel）以便正确加载模型的架构。