pytorch保存模型非常簡單，主要有兩種方法：
壹般地，采用壹條語句即可保存參數：
其中model指定義的模型 實例變量 ，如 model=vgg16( ), path是保存參數的路徑，如 path='./model.pth' , path='./model.tar', path='./model.pkl', 保存參數的文件壹定要有後綴擴展名。
特別地，如果還想保存某壹次訓練采用的優化器、epochs等信息，可將這些信息組合起來構成壹個字典，然後將字典保存起來：
針對上述第壹種情況，也只需要壹句即可加載模型：
針對上述第二種以字典形式保存的方法，加載方式如下：
需要註意的是，只保存參數的方法在加載的時候要事先定義好跟原模型壹致的模型，並在該模型的實例對象(假設名為model)上進行加載，即在使用上述加載語句前已經有定義了壹個和原模型壹樣的Net, 並且進行了實例化 model=Net( ) 。
另外，如果每壹個epoch或每n個epoch都要保存壹次參數，可設置不同的path，如 path='./model' + str(epoch) +'.pth'，這樣，不同epoch的參數就能保存在不同的文件中，選擇保存識別率最大的模型參數也壹樣，只需在保存模型語句前加個if判斷語句即可。
下面給出壹個具體的例子程序，該程序只保存最新的參數：
在訓練模型的時候可能會因為壹些問題導致程序中斷，或者常常需要觀察訓練情況的變化來更改學習率等參數，這時候就需要加載中斷前保存的模型，並在此基礎上繼續訓練，這時候只需要對上例中的 main() 函數做相應的修改即可，修改後的 main() 函數如下：
以上方法，如果想在命令行進行操作執行，都只需加入argpase模塊參數即可，相關方法可參考我的 博客
用法可參照上例。
這篇博客是壹個快速上手指南，想深入了解PyTorch保存和加載模型中的相關函數和方法，請移步我的這篇博客： PyTorch模型保存深入理解