史上最全MNIST系列（八）——MNIST模型打包

一、模型打包

1.1 模型打包的目的

将Pytorch中的模型打包成能够使用其他语言进行调用的模型

1.2 模型打包的时候注意的问题

1、如果模型中有dropout或者batchnormal的话，一定要先将模型设置为eval模式，再保存，否则在用libtorch调用后会出现随机干扰；
2、example这个张量的尺寸务必与你自己的模型的输入尺寸一直，否则会出现错误。
3、如果代码中有if条件控制，尽量避免使用torch.jit.trace来转换代码，因为它不能处理变化条件，如果非要用trace的话，可以把if条件控制改成别的形式；
4、jit不能转换第三方Python库中的函数，尽量所有代码都使用pytorch实现，如果速度不理想的话，可以参考github上的pytorch/extension-script项目，用C++实现需要的功能，然后注册成jit操作，最后转成torchscript。

二、代码

文件目录

2.1 nets.py

import torch
import torch