保存与加载PyTorch模型

在进行模型的存储与读取操作时，需掌握三个关键功能：

torch.save：该函数用于将序列化对象存储至磁盘，其内部依赖Python的pickle模块实现序列化过程。通过此方法，可将模型、张量、字典等多种类型的数据保存至文件中。
torch.load：该函数借助pickle的反序列化机制，将磁盘中的pickle对象文件重新加载至内存中。此外，该功能还能够协助设备完成数据的加载任务。
torch.nn.Module.load_state_dict：此方法通过调用反序列化函数 state_dict 来实现模型参数字典的加载操作。

在Python语言中，模型数据的存储与读取均依赖于内置的pickle模块，并通过pickle.dump()和pickle.load()这两个方法实现。而在PyTorch框架中，同样提供了具备类似功能的操作方式。

    >>>torch.save(model,'model.pkl') #保存整个模型
    >>>model = torch.load('model.pkl') #加载整个模型
    >>>torch.save(alexnet.state_dict(),'params.pkl') #保存网格中的参数
    >>>alexnet.load_state_dict(torch.load('para