torch保存和加载 模型、参数

保存整个模型，包括模型结构+参数

torch.save(self.model.cpu(), output_path)

相应的加载是

model = torch.load(output_path)

缺点：这种方式保存的模型只能在相同的环境中使用，因为它依赖于模型定义的代码。如果您在不同的环境中使用这种方式保存的模型，可能会出现错误。（相同的环境指的是运行代码的环境，包括操作系统、Python 版本、PyTorch 版本以及其他依赖库的版本都相同。）

保存模型的参数

torch.save(self.model.state_dict(), output_path)

相应的加载是

state_dict = torch.load(save_path)
bert_model = Architecture() # 实例化模型类
bert_model.load_state_dict(state_dict)

优点：想要在不同的环境中使用保存的模型，建议使用 state_dict 来保存和加载模型的参数。这样，您只需要在新环境中定义相同的模型结构，然后使用 load_state_dict 函数加载保存的参数即可。