前言
在深度学习训练中，我们经常需要：
-
修改官方预训练模型（VGG、ResNet）
-
给网络新增网络层
-
保存训练好的模型、断点续训
-
加载模型继续训练/推理
PyTorch 提供了两种保存模型、两种加载模型的方式，新手极易混淆、极易报错。
本文结合 VGG16 实战代码，一次性彻底讲透，以后永远不用死记硬背。
一、基础认知：PyTorch 模型构成
一个完整的神经网络包含两部分：
-
模型结构：卷积、池化、全连接、Sequential 等网络骨架
-
模型参数（权重）：weight、bias（可训练参数）
两种保存方式本质区别：
-
方式1：保存 结构 + 权重
-
方式2：只保存 权重参数（官方推荐）
二、实战1：加载官方模型 + 自定义修改网络
1. 加载原生VGG16（无预训练权重）
import torch from torchvision import models # 只加载网络结构，权重随机初始化 vgg16 = models.vgg16(weights=None) print(vgg16)
此时 VGG16 默认输出是 1000 分类（ImageNet数据集）。
2. 给模型【新增网络层】（重点）
如果我要改成 10分类（CIFAR10），可以直接给模型末尾加一层：
# 给模型动态添加一层全连接 vgg16.add_module("add_linear", torch.nn.Linear(1000, 10)) print(vgg16)
add_module(层名, 层结构)
执行后，模型结构多了：add_linear: Linear(1000, 10)
✅ 此时模型结构被永久修改，权重也多出两组参数：
-
add_linear.weight -
add_linear.bias
👉 后续保存权重，就会包含这两个参数，加载时结构必须一致，否则报错！
三、PyTorch 两种模型保存方式（核心重点）
方式一：保存整个模型对象（结构+权重）
# 保存整个模型 torch.save(vgg16, "vgg16_method1.pth")
保存内容：网络结构 + 所有权重参数
优点：加载不用写模型结构，一行直接用
致命缺点：
-
兼容性极差，PyTorch版本更新就炸（2.6版本后严格限制）
-
存在安全风险，新版本默认禁止加载
❌ 工作、比赛、项目一律不推荐
方式二：只保存模型参数（state_dict）【官方推荐】
# 只保存权重参数字典 torch.save(vgg16.state_dict(), "vgg16_method2.pth")
保存内容：仅保存所有 weight、bias（字典形式）
优点：
-
体积最小、纯参数、无版本兼容问题
-
绝对安全，工业界通用标准
缺点 ：加载前必须手动搭建一模一样的模型结构
✅ 唯一推荐的保存方式
四、两种对应的加载方式（必须一一对应）
方式1：加载【完整模型文件】（对应保存方式1）
import torch # 新版PyTorch必须加 weights_only=False model = torch.load("vgg16_method1.pth", weights_only=False) print(model)
直接加载出完整模型，不需要搭建网络。
⚠️ 仅限自己本地测试使用！
方式2：加载【权重参数文件】（对应保存方式2）
最容易报错、最重要！！！
规则：加载时的模型结构 = 保存时的模型结构（必须完全一致）
因为我保存时多加了一层 add_linear，所以加载时也要加！
import torch from torchvision import models # 1. 先搭建【和保存时一模一样】的结构 model = models.vgg16(weights=None) model.add_module("add_linear", torch.nn.Linear(1000, 10)) # 2. 再加载权重 model.load_state_dict(torch.load("vgg16_method2.pth")) print(model)
五、你之前报错的终极解释（必看）
报错内容
Unexpected key(s) in state_dict: "add_linear.weight", "add_linear.bias"
报错原因（100%精准）
-
保存时：模型多了 add_linear 层，权重文件里存了这两个参数
-
加载时：你只创建了原生 VGG16，没有 add_linear
-
结构对不上，权重参数无处安放 → 直接报错
✅ 解决方法：加载前，补全所有自定义层！
六、拓展：常用两种模型修改方式
方式1：add_module 新增层（你学的）
适合：模型末尾追加分类头
方式2：直接替换原有层（更常用）
# 直接替换VGG最后一层分类器 vgg16.classifier[6] = torch.nn.Linear(4096, 10)
七、最终总结（可背诵）
1. 两种保存区别
-
torch.save(model, path)：保存结构+权重，省事但不通用、新版本易报错
-
torch.save(model.state_dict(), path)：只保存权重，官方标准、工业唯一推荐
2. 两种加载规则
-
完整模型文件 → torch.load() 直接加载
-
权重参数文件 → 先搭结构、后载权重
3. 报错核心口诀
权重里有的层，模型里必须有；权重里没有的层，模型不能乱加。
4. 工作最佳实践
永远只用：state_dict 保存 + 先建结构再加载
八、完整可运行模板（以后直接复制）
保存模板
model = models.vgg16(weights=None) model.add_module("add_linear", torch.nn.Linear(1000,10)) torch.save(model.state_dict(), "best.pth")
加载模板
model = models.vgg16(weights=None) model.add_module("add_linear", torch.nn.Linear(1000,10)) model.load_state_dict(torch.load("best.pth"))