要加载训练好的PyTorch模型，可以使用torch.load()函数来加载模型的参数和状态字典。以下是一个加载并使用训练好的模型的示例代码：
云服务器
物理服务器
虚拟主机
跨境电商服务器import torch
import torchvision.models as models
# 实例化模型
model = models.resnet18()
# 加载训练好的模型参数
model.load_state_dict(torch.load('path_to_saved_model.pth'))
# 设置模型为评估模式
model.eval()
# 使用模型进行推理
inputs = torch.randn(1, 3, 224, 224)
outputs = model(inputs)
# 打印预测结果
print(outputs)
在上述代码中，首先使用torchvision.models模块实例化了一个ResNet-18模型。然后使用load_state_dict()函数加载了训练好的模型参数，需要提供模型参数保存的文件路径。接着调用eval()方法将模型设置为评估模式，这将关闭模型中的一些训练特定的操作，如Dropout。最后，将输入数据传递给模型进行推理，并打印预测结果。
需要注意的是，加载模型时，要确保模型的结构与训练时的结构完全一致，否则加载的模型参数可能会出错。
辰迅云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
推荐阅读： 什么是PyTorch的端到端学习