📝 更新文档，优化PyTorch和OpenCV相关内容

- 删除了不再需要的产品评测文档，简化文档结构。
- 在PyTorch部分新增了模型保存与加载的示例，提升了实用性。
- 更新了Transformer结构的标题和位置，确保信息的清晰性。
- 增加了OpenCV常用算法的详细说明，丰富了图像处理相关内容。

Author: jiangyangcreate

docs/docs/大模型的应用/产品评测.md

@@ -1,6 +1,6 @@
 ---
-sidebar_position: 8
-title: Transformer
+sidebar_position: 7
+title: Transformer结构
 ---
 
 学习Transformer的原理，使用PyTorch实现一个简单的Transformer模型，对模型进行训练和推理。通过分布式训练，提升模型训练效率。
@@ -57,4 +57,4 @@ $$
 
 
 
-<DocCardList />
+

docs/docs/机器学习/Transformer/Transformer结构.md

@@ -206,6 +206,53 @@ os.remove('new_app_model_v1.pkl')
 ```
 
 
+### torch模型的保存与加载
+
+可选择保存整个模型或仅参数，原生支持分布式/大模型。
+
+保存函数签名：`torch.save()`
+
+加载函数签名：`torch.load()`
+
+示例代码:
+
+```python
+import torch
+import torch.nn as nn
+
+# 定义一个简单的模型
+class SimpleNet(nn.Module):
+    def __init__(self, input_size, hidden_size, output_size):
+        super(SimpleNet, self).__init__()
+        self.fc1 = nn.Linear(input_size, hidden_size)
+        self.relu = nn.ReLU()
+        self.fc2 = nn.Linear(hidden_size, output_size)
+  
+    def forward(self, x):
+        x = self.fc1(x)
+        x = self.relu(x)
+        x = self.fc2(x)
+        return x
+
+# 创建模型实例
+model = SimpleNet(input_size=784, hidden_size=128, output_size=10)
+
+# 方法1：保存整个模型（包括结构和参数）
+torch.save(model, 'complete_model.pth')
+
+# 方法2：只保存模型参数（推荐）
+torch.save(model.state_dict(), 'model_weights.pth')
+
+# 方法1对应的加载：加载整个模型
+loaded_model = torch.load('complete_model.pth')
+
+# 方法2对应的加载：加载模型参数
+model_for_loading = SimpleNet(input_size=784, hidden_size=128, output_size=10)
+model_for_loading.load_state_dict(torch.load('model_weights.pth'))
+
+```
+
+
 ## 随机森林
 
 随机森林是对决策树集合的特有名称。