torch.load()的作用：從文件加載用torch.save()保存的對象。
api：
torch.load(f, map_location=None, pickle_module=<module 'pickle' from '/opt/conda/lib/python3.6/pickle.py'>, **pickle_load_args) 參數：
- f： 類似文件的對象(必須實現read()，:meth ' readline '，:meth ' tell '和:meth ' seek ')，或者是包含文件的字符串。
- map_location： 函數、torch.device或者字典指明如何重新映射存儲位置。
- pickle_module ： 用於unpickling元數據和對象的模塊(必須匹配用於序列化文件的pickle_module)。
- pickle_load_args： 傳遞給pickle_module.load()和pickle_module.Unpickler()的可選關鍵字參數。
使用
默認加載方式，使用cpu加載cpu訓練得出的模型或者用gpu調用gpu訓練的模型：
torch.load('tensors.pt') 將全部Tensor全部加載到cpu上：
torch.load('tensors.pt', map_location=torch.device('cpu')) 使用函數將所有張量加載到CPU（適用在GPU訓練的模型在CPU上加載）：
torch.load('tensors.pt', map_location=lambda storage, loc: storage) 將所有張量加載到第一塊GPU(在CPU訓練在GPU加載)：
torch.load('tensors.pt', map_location=lambda storage, loc: storage.cuda(1)) 將張量從GPU 1映射到GPU 0(第一塊GPU訓練，第二塊GPU加載)：
torch.load('tensors.pt', map_location={'cuda:1':'cuda:0'}) 根據你的設備，將張量加載到你當前設備上：
torch.load('modelparameters.pth', map_location = device)作者：Blureyes
鏈接：https://www.jianshu.com/p/939de37f73e7
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。