使用 `torch.save()` 函数
1. 定义你的模型：你需要有一个定义好的 PyTorch 模型。
2. 保存模型参数：使用 `torch.save()` 函数将模型的参数保存到 `.pth` 文件中。
```python
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.linear = nn.Linear(10, 1)
def forward(self, x):
return self.linear(x)
实例化模型
model = SimpleModel()
data = torch.randn(10, 10)
labels = torch.randn(10, 1)
假设模型已经训练好，现在保存模型参数
torch.save(model.state_dict(), 'model.pth')
```
加载模型参数
如果你以后需要加载这些参数到另一个模型实例中，你可以这样做：
```python
假设你有另一个相同的模型实例
new_model = SimpleModel()
加载参数
new_model.load_state_dict(torch.load('model.pth'))
确保所有参数都被正确加载
new_model.eval()
```
注意事项
在保存模型之前，确保你已经进行了适当的模型评估，并且已经确定了想要保存的模型状态。
在加载模型参数时，确保加载的模型结构与保存参数的模型结构完全一致。
这样，你就成功地将一个 PyTorch 模型的参数保存到了 `.pth` 文件中。
