.torch.save与torch.jit.save-CSDN博客

本文介绍了如何使用torch.jit.save在PyTorch中保存和加载编译模型，区分了script和trace两种方式，并详细讲解了torch.save的不同用途，包括模型测试、训练状态恢复和模型分享。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.torch.jit.save

torch.jit.save用来保存编译后的模型，支持跨平台，要注意模型中只能使用pytorch的函数。

jit.save支持保存script类型和trace类型的模型，其中script为全量模型，trace为仅保存运行过的路径

2.torch.save

torch.save有三种使用场景，参考：https://stackoverflow.com/questions/42703500/best-way-to-save-a-trained-model-in-pytorch

1.保存模型用来做测试

torch.save(model.state_dict(), filepath)
#Later to restore:
model.load_state_dict(torch.load(filepath))
model.eval()

2.用来恢复训练状态

state = {
    'epoch': epoch,
    'state_dict': model.state_dict(),
    'optimizer': optimizer.state_dict(),
    ...
}
torch.save(state, filepath)
#later
model.load_state_dict(state['state_dict'])
optimizer.load_state_dict(state['optimizer'])

Since you are resuming training, DO NOT call model.eval() once you restore the states when loading.

3.用来给不不知道你的网络结构的人使用

torch.save(model, filepath)
# Then later:
model = torch.load(filepath)

This way is still not bullet proof and since pytorch is still undergoing a lot of changes, I wouldn’t recommend it.