pytorch.load_state_dict

在进行大规模且耗时较长的网络训练过程中，若遭遇突发性的断电、网络中断或其他意外状况，导致训练被迫中止，先前积累的训练成果可能会完全丢失。因此，在训练期间需要定期保存关键时间节点的checkpoint文件。一旦发生训练中断，便可利用这些已存储的checkpoint数据进行下载，并以此为基础重新启动训练流程。
（谁能预料到我刚刚完成这段文字输入后便遭遇了停电呢？？？？）

以下内容与

cifar-10+resnet.
存在较高相似度，其核心关注点同样聚焦于load_state_dict函数，因此可直接进行跳转查看：

戳这里↓

• 加载预训练模型参数

    import torch
    from torch import nn
    from torch.nn import functional as F
    from torchvision import datasets
    from torchvision import transforms
    from torch.utils.data import DataLo