PyTorch数据保存和读取的学习笔记

Map_location用于指定读取数据的映射设备，可以是 a function, torch.device, string or a dict.
map_location可以使用函数来表示，我们来看看 torch doc 中给出的例子：

>>> torch.load('tensors.pt')
# Load all tensors onto the CPU
>>> torch.load('tensors.pt', map_location=torch.device('cpu'))
# Load all tensors onto the CPU, using a function
>>> torch.load('tensors.pt', map_location=lambda storage, loc: storage)
# Load all tensors onto GPU 1
>>> torch.load('tensors.pt', map_location=lambda storage, loc: storage.cuda(1))

当使用函数来指定映射方式时，其格式为：
map_location = lambda storage, loc: dst_storage
其中 storage:  为初始存储对象（initial deserialization of the storage, residing on the CPU），loc: str为序列化时对象的存储位置（“存档时所在的设备”）。