在Python中加载模型通常取决于模型的类型和使用的库。以下是一些常见框架中加载模型的方法：
使用PyTorch加载模型
```python
import torch
from torchvision import models
加载预训练的VGG19模型
model = models.vgg19（pretrained=True）
print（model.model）
使用TensorFlow加载模型加载SavedModel格式```pythonimport tensorflow as tf
加载SavedModel模型
loaded_model = tf.saved_model.load（'./saved_model'）
print（list（loaded_model.signatures.keys（）））
加载HDF5格式（Keras模型）
```python
from keras.models import load_model
加载HDF5格式的Keras模型
model = load_model（'model.h5'）
使用TensorFlow常规模型加载方法```pythonimport tensorflow as tf
创建Saver对象
saver = tf.train.Saver（）
保存模型参数到checkpoint文件
with tf.Session（） as sess:
假设你已经训练好了模型，并且有变量需要保存
...
saver.save（sess, './model/checkpoint'）
从checkpoint文件加载模型参数
with tf.Session（） as sess:
ckpt = tf.train.get_checkpoint_state（'./model/'）
if ckpt and ckpt.model_checkpoint_path:
saver.restore（sess, ckpt.model_checkpoint_path）
请根据你的模型类型和保存格式选择合适的方法进行加载。如果你使用的是其他深度学习框架，请参考该框架的文档来了解如何加载模型