Pytorch模型的保存、加载以及转torchScrip

前言：

pytorch在训练的时候不定时的保存模型，防止因为异常中断而造成前功尽弃。

但是pytorch中保存模型的情况有很多种，导致加载保存后的模型会出现各种各样的问题，

博主在学习过程中也遇到很多麻烦，总结一下，如有错误请指出。

一、预备知识点

(搬运) 下面是这个链接的简化版本，也够用了。

PyTorch 中，一个模型(torch.nn.Module)的可学习参数(也就是权重和偏置值)是包含在模型参数(model.parameters())中的，一个状态字典就是一个简单的 Python 的字典，其键值对是每个网络层的名字和其对应的参数张量(这里的张量其实就是训练得到的参数值)。模型的状态字典只包含带有可学习参数的网络层（比如卷积层、全连接层等）和注册的缓存（batchnorm的 running_mean）。优化器对象(torch.optim)同样也是有一个状态字典，包含的优化器状态的信息以及使用的超参数。

由于状态字典也是 Python 的字典，因此对 PyTorch 模型和优化器的保存、更新、替换、恢复等操作都是基于字典完成的。

1.1 举个栗子

下面的三行代码，可以说明这个问题，稍微解释一下：

第1行：yourNet是自己搭建的网络，一般是一个类的形式，将该类进行一个初始化

第2行：将模型的参数转化为字典，键对应层的名字，值对应相应的参数

第3行：打印网络参数

打印的结果如下，（太长了只截取一小部分）

这个是模型中所有的参数 对应的字典，可能你会有