在PyTorch中，训练好的模型默认会保存在模型的权重文件中。这些文件通常包含模型的结构、权重和优化器状态等信息。
要保存训练好的模型，可以在训练循环中使用torch.save()函数将模型对象保存到本地文件系统中。例如：
torch.save(model.state_dict(), 'model.pth')
这会将当前模型的状态字典保存到名为model.pth的文件中。如果需要保存整个模型对象（包括模型结构），可以使用torch.save()函数将模型对象保存到本地文件系统中。例如：
torch.save(model, 'model.pth')
这会将整个模型对象保存到名为model.pth的文件中。
保存模型后，可以在需要时加载模型并进行推理或继续训练。要加载模型，可以使用torch.load()函数读取保存的文件并恢复模型的状态。例如：
model = TheModelClass(*args, **kwargs) # 创建模型实例
model.load_state_dict(torch.load('model.pth')) # 加载模型权重
model.eval() # 将模型设置为评估模式
这会将保存的模型权重加载到模型实例中，并将模型设置为评估模式。
