Pytorch目前成为学术界最流行的DL框架，没有之一。很大程度上，简洁直观地操作有关。模型的保存和加载，于pytorch而言，也是很简单的。本文做了一个比较实验，方便大家理解。
首先，要清楚几个函数：torch.save，torch.load，state_dict()，load_state_dict()。 先举最简单的例子：
import torch
model = torch.load('my_model.pth')
torch.save(model, 'new_model.pth')
上面的代码非常直观，一载一存。但是有一个问题，这样保存的pth文件直接包含了整个模型的结构。当你需要灵活加载模型参数时，比如只加载部分参数，那么这种情况保存的pth文件读取进来还得额外解析出“参数文件”。
如果想更灵活对待咱们训练好的模型参数，咱们可以使用下面这个方法。pytorch把所有的模型参数用一个内部定义的dict进行保存，自称为“state_dict”。这个所谓的state_dict就是不带模型结构的模型参数了~ 咱们的加载和保存就发生了一点微妙的变化：
import torch
model = MyModel() # init your model class, build the graph shape
state_dict = torch.load('model_state_dict.pth')
model.load_state_dict(state_dict)
torch.save(model.state_dict(), 'model_state_dict1.pth')
比较上面两段代码，咱们可以有一下结论：
pth文件既可能保存了模型的图结构，也有可能没保存；加载没保存图结构的pth时，需要先初始化模型结构，即把架子搭好；在保存模型的时候，如果不想保存图结构，可以单独保存model.state_dict()
到这里还不清楚的可以留言提问~ 参考链接：https://pytorch.org/tutorials/beginner/basics/saveloadrun_tutorial.html
实验
脚本如下：
import torch
import torchvision.models as models
model = models.vgg16(pretrained=True)
torch.save(model.state_dict(), 'only_weights.pth')
model_state_dict = torch.load('only_weights.pth')
model1 = models.vgg16() # describe the graph shape
model1.load_state_dict(model_state_dict)
model1.eval()
torch.save(model1, 'whole_model.pth')
model2 = torch.load('whole_model.pth')
model2.eval()
# model3 = torch.load('only_weights.pth')
# model3.eval() # Error
model3切换到eval()模式就会报错，原因是model3只包含weights而缺乏图结构~