在Linux系統中，使用PyTorch保存模型的主要方法是使用torch.save()函數。以下是一個簡單的示例：
import torch
import torchvision.models as models
# 創建一個預訓練的ResNet18模型
model = models.resnet18(pretrained=True)
# 保存整個模型
torch.save(model, 'resnet18_model.pth')
# 如果只想保存模型的狀態字典（即權重和偏置），可以使用以下方法：
torch.save(model.state_dict(), 'resnet18_state_dict.pth')
在這個例子中，我們首先導入了torch庫和torchvision.models模塊。然后，我們創建了一個預訓練的ResNet18模型。接下來，我們使用torch.save()函數將整個模型保存到一個名為resnet18_model.pth的文件中。此外，我們還可以選擇僅保存模型的狀態字典（權重和偏置），而不是整個模型。這可以通過調用model.state_dict()方法并將其傳遞給torch.save()函數來實現。
要加載保存的模型，可以使用以下代碼：
# 加載整個模型
model_loaded = torch.load('resnet18_model.pth')
# 加載模型的狀態字典
model = models.resnet18(pretrained=False) # 創建一個新的ResNet18模型實例
model.load_state_dict(torch.load('resnet18_state_dict.pth'))
在這個例子中，我們首先使用torch.load()函數加載保存的模型。然后，我們創建了一個新的ResNet18模型實例，并使用load_state_dict()方法將之前保存的狀態字典加載到新模型中。注意，在加載狀態字典時，我們需要確保新模型的架構與保存的模型架構相同。
