CentOS上PyTorch模型如何保存與加載

在CentOS上，使用PyTorch保存和加載模型的過程與其他操作系統相同。以下是保存和加載PyTorch模型的基本步驟：

1. 首先，確保已經安裝了PyTorch。如果還沒有安裝，可以參考PyTorch官方網站上的安裝指南：https://pytorch.org/get-started/locally/

2. 創建一個簡單的PyTorch模型。例如，我們可以創建一個簡單的多層感知器（MLP）：

import torch
import torch.nn as nn

class MLP(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(MLP, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_size, output_size)

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

input_size = 10
hidden_size = 5
output_size = 2

model = MLP(input_size, hidden_size, output_size)

3. 訓練模型。這里我們省略了訓練過程，假設模型已經訓練完成。

4. 保存模型。使用torch.save()函數將模型保存到文件中：

torch.save(model.state_dict(), 'model.pth')

這將把模型的權重和偏置保存到名為model.pth的文件中。

5. 加載模型。使用torch.load()函數從文件中加載模型，并使用model.load_state_dict()函數將權重和偏置加載到模型中：

loaded_model = MLP(input_size, hidden_size, output_size)
loaded_model.load_state_dict(torch.load('model.pth'))

現在，loaded_model變量包含了從文件中加載的模型，可以像使用原始模型一樣使用它。

注意：在加載模型時，確保模型的結構與保存時的結構相同。否則，可能會出現錯誤。