要使用PyTorch來預測模型，首先需要加載已經訓練好的模型，并準備輸入數據。然后使用模型對輸入數據進行預測，得到輸出結果。
以下是一個使用PyTorch預測模型的簡單示例代碼：
import torch
import torch.nn as nn
import torch.optim as optim
# 定義一個簡單的神經網絡模型
class SimpleNN(nn.Module):
def __init__(self):
super(SimpleNN, self).__init__()
self.fc1 = nn.Linear(10, 5)
self.fc2 = nn.Linear(5, 1)
def forward(self, x):
x = torch.relu(self.fc1(x))
x = self.fc2(x)
return x
# 加載已經訓練好的模型
model = SimpleNN()
model.load_state_dict(torch.load('model.pth'))
model.eval()
# 準備輸入數據
input_data = torch.randn(1, 10)
# 使用模型進行預測
output = model(input_data)
print(output)
在上面的示例中，首先定義了一個簡單的神經網絡模型SimpleNN，然后加載了已經訓練好的模型參數model.pth。接著準備輸入數據input_data，最后使用模型對輸入數據進行預測，得到輸出結果output。
需要注意的是，在預測時需要將模型設置為評估模式（model.eval()），這可以確保在預測時不會影響模型的參數。
