本文介绍了.pth、.pt、.pkl以及.state文件在PyTorch中用于保存模型和权重的区别，强调了后缀名的通用性。详细阐述了两种保存模型的方式：通过state_dict保存和加载权重，以及保存和加载整个模型。在加载时，需注意使用load_state_dict()函数需传入字典对象而非路径。
文章目录
1. .pth、.pt、.pkl以及.state等文件有什么区别？
通常，在神经网络的训练过程中，会产生.pth、.pt、.pkl以及.state等文件。使用不同的后缀对于保存什么样的模型是没有影响的。在torch.save()函数中，torch只是调用了Python的pickle来完成，而且没有做任何的后缀名判断，因此无论保存成什么后缀都可以。其中保存的都是模型+模型权重参数或者单独的模型权重参数。
2. 两种不同的保存方式
2.1 通过state_dict参数来保存和读取模型的权重参数
其后缀推荐使用.pt或者.pth，但是没有硬性规定。
需要注意的是，load_state_dict()函数需要传进的参数是一个字典对象，并非是PATH对象，因此需要用torch.load(PATH)对其进行反序列化。即不能直接使用load_state_dict(PATH)。对比上面给出的代码。
2.1 通过state_dict参数来保存和读取整个模型
5024
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
