pytorch保存模型pth_pytorch中保存的模型文件.pth深入解析

前言：前面有专门的讲解关于如何深入查询模型的参数信息，可以参考这篇文章：

本次来解析一下我们通常保存的模型文件 .pth 文件到底内部是什么？

一、.pth 文件详解

在pytorch进行模型保存的时候，一般有两种保存方式，一种是保存整个模型，另一种是只保存模型的参数。

torch.save(model.state_dict(), “my_model.pth”) # 只保存模型的参数

torch.save(model, “my_model.pth”) # 保存整个模型

保存的模型参数实际上一个字典类型，通过key-value的形式来存储模型的所有参数，本文以自己在实践过程中使用的一个.pth文件为例来说明，使用的是整个模型。

1.1 .pth 文件基本信息的查看

import torch

pthfile = r’F:/GNN/graph-rcnn/graph-rcnn/datasets/sg_baseline_ckpt.pth’ #faster_rcnn_ckpt.pth

net = torch.load(pthfile,map_location=torch.device(‘cpu’)) # 由于模型原本是用GPU保存的，但我这台电脑上没有GPU，需要转化到CPU上

# print(type(net)) # 类型是 dict

# print(len(net)) # 长度为 4，即存在四个 key-value 键值对

# for k in net.keys():

# print(k) # 查看四个键，分别是 model,optimizer,scheduler,iteration

1.2 模型的四个键值分别详解

(1)net[“model”] 详解

# print(net[“model”]) # 返回的是一个OrderedDict 对象

for key,value in net[“model”].items():

print(key,value.size(),sep=” “)

”’运行结果如下：

module.backbone.body.stem.conv1.weight torch.Size([64, 3, 7, 7])

module.backbone.body.stem.bn1.weight torch.Size([64])

module.backbone.body.stem.bn1.bias torch.