深度学习中为什么保存的训练pth模型权重那么大（附解决代码）

为什么训练保存的pth模型权重那么大，别人的训练保存的那么小？

因为别人训练模型时，只保存了模型，而你训练的模型还保存了其它一些参数，比如优化器（optimizer）、调节学习率（lr_scheduler）、轮数（epoch）等一些其他参数信息，所以我们训练的模型很大。

我们可以通过看训练脚本train.py，可以知道保存了哪些模型参数，训练时一般都会将优化器（optimizer）、调节学习率（lr_scheduler）、轮数（epoch）等一些其他参数信息，比如以下代码：

之所以保存这些信息，是因为我们可以通过这些参数接着训练（比如我们训练200个epoch结束后，结果还没有收敛，我们就可以通过第200轮保存得到的.pth模型，接着训练）

但是我们可以将我们训练好的模型变小，将模型的其他参数去掉，只保存训练好的模型参数。执行以下代码就可以获得没有其他参数的模型。

import torch
from src import net # 导入你训练的模型网络
PATH = r"D:/model/model.pth"  # 更改为你的模型路径
model = net()  
checkpoint = torch.load(PATH)  
model.load_state_dict(checkpoint['model'])  # 只加载模型的权重
save_file = {"model": model.state_dict()} 
torch.save(save_file, "model.pth")  # 保存文件信息