💪 专业从事且热爱图像处理，图像处理专栏更新如下👇：
📝《图像去噪》
📝《超分辨率重建》
📝《语义分割》
📝《风格迁移》
📝《目标检测》
📝《图像增强》
📝《模型优化》
📝《模型实战部署》
📝《图像配准融合》
📝《数据集》
📝《高效助手》

一、保存整个模型

这种方法会保存模型的整个定义（包括网络结构和参数）。这样保存的模型可以直接被加载并使用，但前提是保存和加载模型的代码环境需要完全一致。

保存模型时使用代码：

torch.save(model, 'model.pth')

加载模型时使用代码：

model = torch.load('model.pth')

二、只保存模型参数

这种方法只会保存模型的状态字典（state_dict），即模型的参数。加载这样的模型需要先定义模型的结构，然后加载参数。

保存模型使用代码：

torch.save(model.state_dict(), 'params.pth')

加载模型使用代码：

model = Model()  # 需要先定义模型结构
model.load_state_dict(torch.load('params.pth'))

三、总结

以上就是Pytorch中保存模型的两种方法，学者在训练前确定好保存方法，推理测试阶段对应的调整代码。

感谢您阅读到最后！😊总结不易，多多支持呀🌹 点赞👍收藏⭐评论✍️，您的三连是我持续更新的动力💖

关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！