PyTorch模型的存储与加载方式包括：仅存储和载入模型参数建议；完整地存储和载入包括结构与参数的整个模型；支持存储并加载CheckPoint文件；此外支持以. pt、. pth或. pkl为扩展名分别在CPU和GPU上进行存储与加载操作。

当提到保存和加载模型时，有三个核心功能需要熟悉：

1. torch.save 函数用于将Python pickle库提供的序列化对象存储至磁盘上。
2. torch.load 方法通过Python pickle模块中的unpickle功能从文件中提取已序列化的对象。
3. PyTorch神经网络模块load_state_dict 方法通过加载state_dict中的键值对来更新模型参数。

一、模型保存与调用方式一：只保存模型参数

1、模型保存

    model = TheModelClass(*args, **kwargs)
    # ------------- 模型训练: 开始 -------------
    ......
    # ------------- 模型训练: 结束 -------------
    PATH = r'.\saved_model\model_state_dict_step_01.pt'
    torch.save(model.state_dict(), PATH)

在保存模型进行推理时，只需要保存训练过的模型的学习参数即可。

一个常见的PyTorch约定是使用.pt或.pth文件扩展名保存模型。

2、模型加载

    # 重构模型结构(与保存的模型结构