以下是一个使用AWS Lambda函数运行一个小的PyTorch模型的示例代码：

1. 首先，创建一个名为lambda_function.py的Python文件，并将以下代码复制到该文件中：

import torch

# 定义一个简单的PyTorch模型
class SimpleModel(torch.nn.Module):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.fc = torch.nn.Linear(1, 1)

    def forward(self, x):
        return self.fc(x)

def lambda_handler(event, context):
    # 创建模型实例
    model = SimpleModel()

    # 加载训练好的模型权重
    model.load_state_dict(torch.load('model_weights.pth'))

    # 输入数据
    input_data = torch.tensor([[2.0]], dtype=torch.float32)

    # 使用模型进行推理
    output_data = model(input_data)

    # 返回推理结果
    return {
        'statusCode': 200,
        'body': output_data.item()
    }

2. 然后，创建一个名为model_weights.pth的文件，并将训练好的模型权重保存到该文件中。请确保模型权重文件与lambda_function.py在同一个目录下。

3. 接下来，使用AWS CLI命令将代码部署到AWS Lambda函数中。打开终端并运行以下命令：

aws lambda create-function --function-name my-lambda-function --runtime python3.8 --zip-file fileb://lambda_function.zip --handler lambda_function.lambda_handler --role your-iam-role-arn

请将my-lambda-function替换为您的函数名称，your-iam-role-arn替换为您的IAM角色的ARN。

4. 最后，使用以下命令来调用AWS Lambda函数并获取推理结果：

aws lambda invoke --function-name my-lambda-function output.json

将my-lambda-function替换为您的函数名称。

以上示例代码演示了如何在AWS Lambda函数中运行一个简单的PyTorch模型。您可以根据自己的需求修改代码，并根据您的模型进行相应的推理操作。