前提： 模型参数和结构是分别保存的

1、 构建模型(# load model graph)

model = MODEL()

2、加载模型参数(# load model state_dict)

 model.load_state_dict
 (
 {

 k.replace('module.',''):v for k,v in

　torch.load(config.model_path, map_location=config.device).items()

 }
 )

model = self.model.to(config.device)

* config.device 指定使用哪块GPU或者CPU　　

*k.replace('module.',''):v 防止torch.DataParallel训练的模型出现加载错误

（解决RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found one of them on device: cuda:1问题）

3、设置当前阶段为inference（# predict）

model.eval()

以上这篇pytorch 使用加载训练好的模型做inference就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持python博客。