torch.save() or model.load_state_dict()有问题？都不是，是我数据集写错了

torch.save() or model.load_state_dict()有问题？都不是，是我数据集写错了

今天看pytorch 文档看到了参数或模型的保存，就想动手实践一下。然后神奇的问题出现了。
如果我训练完后立刻保存参数到磁盘，然后马上实例化一个新model并载入刚刚保存的参数，再用这个新的model作预测，预测正确率与训练时一样。但是如果我注释掉训练部分。直接实例化新model并载入参数。预测正确率不足1%。于是我就觉得是不是torch.save或者model.load_state_dict用法有什么要注意的地方。在百度上找了博客，各种有用的无用的修改都试过。发现问题依然存在。打印下参数。发现参数确实已经一摸一样地载入了。最后打印下预测结果，发现输出的分类引索是一模一样的。（我做的是分类问题）这时候我恍然大悟，一定是数据集载入有问题。说明一下错误：
模型任务是：给一个名字，判断是哪个国家的名字。输出的是这个国家在国家字典里的引索。
这个国家字典是这样创建的：先载入所有数据，取出国家列，然后去重。就得到了字典了。
但是，好像每次运行程序，去重后的国家顺序是不一样的（虽然不知道为什么，明明读入的顺序完全一样）。所以每次运行程序，一个国家对应的引索是不同的。
这样造成的问题是：如果训练和测试是在同一次程序运行，那么训练和测试用的国家字典就是一样的，否则，字典就不一样。无论在哪次运行中，对于相同的输入，模型的输出都是一样的。模型输出的引索，在字典a中对于国家1。但在字典b中就不一定了。为了保证字典一致。需要在做出字典后，对字典进行一次按字典序排序。由于字典序是唯一的，所以无论在哪次运行，都能保证所使用的字典是同一个字典。
原本只是测试一下参数保存，却测出了原来代码的隐藏大坑。