要加载训练好的PyTorch模型，可以使用torch.load()函数来加载模型的参数和状态字典。以下是一个加载并使用训练好的模型的示例代码：
import torchimport torchvision.models as models# 实例化模型model = models.resnet18()# 加载训练好的模型参数model.load_state_dict(torch.load('path_to_saved_model.pth'))# 设置模型为评估模式model.eval()# 使用模型进行推理inputs = torch.randn(1, 3, 224, 224)outputs = model(inputs)# 打印预测结果print(outputs)在上述代码中，首先使用torchvision.models模块实例化了一个ResNet-18模型。然后使用load_state_dict()函数加载了训练好的模型参数，需要提供模型参数保存的文件路径。接着调用eval()方法将模型设置为评估模式，这将关闭模型中的一些训练特定的操作，如Dropout。最后，将输入数据传递给模型进行推理，并打印预测结果。
需要注意的是，加载模型时，要确保模型的结构与训练时的结构完全一致，否则加载的模型参数可能会出错。
