在PyTorch中，你可以使用torch.save()函数将模型保存为文件，使用torch.load()函数加载保存的模型文件。以下是保存和加载模型的示例代码：
import torch
import torch.nn as nn
# 定义模型
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.fc = nn.Linear(10, 1)
def forward(self, x):
x = self.fc(x)
return x
model = Net()
# 保存模型
torch.save(model.state_dict(), 'model.pth')
# 加载模型
model.load_state_dict(torch.load('model.pth'))
在上述代码中，model.state_dict()函数用于获取模型的参数状态字典，然后使用torch.save()函数将其保存为文件。加载模型时，使用torch.load()函数加载保存的模型文件，然后使用model.load_state_dict()函数将模型参数加载到模型中。
注意：保存模型时只保存了模型的参数，而不保存模型的结构。在加载模型时，需要首先创建相同的模型结构，然后再加载参数。
