在深度学习的训练过程中，保存和加载模型是非常重要的环节。它不仅可以让我们在训练中断后继续训练，还能在训练完成后进行模型部署或分享。

1.保存和加载整个模型

# 保存模型
torch.save(model, 'model.pth')
# 加载模型
model = torch.load('model.pth')

以上的代码将整个模型保存到model.pth这个文件里，但是通常不推荐这种方法

2.保存和加载模型的状态字典

# 保存模型的状态字典
torch.save(model.state_dict(), 'model_state.pth')
# 加载模型的状态字典
model = ModelClass(*args, **kwargs)
model.load_state_dict(torch.load('model_state.pth'))

这种方法只保存模型的参数，加载时需要先实例化模型，再加载参数，兼容性更好。掌握了以上方法后，可以实现模型断点继续训练，以及保存表现最好的Epoch，便利了训练过程