模型权重文件总结: .bin、.safetensors、.pt的保存、加载方法一览

.bin 文件通常是通过 torch.save(state_dict) 来保存的，因此需要使用 torch.load() 进行加载。这是因为 .bin 文件存储的是模型权重的 state_dict（即参数的字典），而不是完整的模型对象。你需要先加载 state_dict，然后将其加载到模型中，类似于 .pt 或 .pth 文件。

常见的权重文件格式（如 .bin、.safetensors、.pt 等）的保存和加载方法：

文件类型	保存方法	加载方法	描述
.bin	torch.save(model.state_dict(), 'model.bin')	state_dict = torch.load('model.bin', map_location='cpu') model.load_state_dict(state_dict)	.bin 文件通常存储 state_dict，仅保存模型的权重。需要先加载 state_dict，然后用 model.load_state_dict 加载到模型。
.pt / .pth	torch.save(model.state_dict(), 'model.pth')	state_dict = torch.load('model.pth', map_location='cpu') model.load_state_dict(state_dict)	.pt / .pth 文件是 PyTorch 中常见的保存权重格式，保存的是模型的 state_dict。加载方式和 .bin 文件相同。
.pt (完整模型)	torch.save(model, 'model.pth')	model = torch.load('model.pth', map_location='cpu')	保存的是整个模型对象（包括结构和权重）。加载时会直接返回模型，无需再用 load_state_dict。
.safetensors	from safetensors import save_file save_file(tensors, 'model.safetensors')	from safetensors import load_file state_dict = load_file('model.safetensors') model.load_state_dict(state_dict)	.safetensors 是一种新型格式，专门用于安全和高效地保存模型权重。保存和加载都需要 safetensors 库。
Hugging Face .bin	model.save_pretrained('path_to_model')	from transformers import AutoModel model = AutoModel.from_pretrained('path_to_model')	Hugging Face 的 .bin 通常用于保存预训练模型的权重，带有额外的配置文件（如 config.json）。AutoModel 会自动处理加载。
.h5 (Keras/TensorFlow)	model.save_weights('model.h5')	model.load_weights('model.h5')	Keras 和 TensorFlow 使用 .h5 文件格式保存模型权重。适用于 TensorFlow/Keras 环境。

详细解释：

1. .bin 文件

   • .bin 文件通常存储模型的 state_dict，也就是模型参数的字典。你需要先用 torch.load() 读取这个字典，再用 model.load_state_dict() 将它加载到模型中。
   • 典型保存代码：torch.save(model.state_dict(), 'model.bin')
   • 加载代码：

     state_dict = torch.load('model.bin', map_location='cpu')
     model.load_state_dict(state_dict)
     

2. .pt / .pth 文件

   • .pt 和 .pth 都是 PyTorch 官方推荐的扩展名，用于保存模型的 state_dict 或完整模型。对于 state_dict，它的加载方式与 .bin 类似。

   • 典型保存代码：torch.save(model.state_dict(), 'model.pth')

   • 加载代码：

     state_dict = torch.load('model.pth', map_location='cpu')
     model.load_state_dict(state_dict)
     

   • 保存完整模型对象的代码：torch.save(model, 'model.pth')

   • 加载完整模型代码：

     model = torch.load('model.pth', map_location='cpu')
     

3. .safetensors 文件

   • .safetensors 是一种新型格式，设计用于比 PyTorch 的 .pt 文件更加安全、确定性强（防止任意代码执行的漏洞）且内存高效。它适合大型模型的存储。
   • 典型保存代码：

     from safetensors import save_file
     save_file(tensors, 'model.safetensors')
     

   • 加载代码：

     from safetensors import load_file
     state_dict = load_file('model.safetensors')
     model.load_state_dict(state_dict)
     

4. Hugging Face .bin

   • Hugging Face 通常保存预训练模型的权重为 .bin 文件，同时保存模型配置文件 config.json，并提供 save_pretrained 和 from_pretrained 方法简化保存和加载过程。
   • 典型保存代码：model.save_pretrained('path_to_model')
   • 加载代码：

     from transformers import AutoModel
     model = AutoModel.from_pretrained('path_to_model')
     

总结

• .bin / .pt / .pth：这些格式大多数情况下保存的是 state_dict，需要通过 model.load_state_dict() 将其加载到模型中。
• 完整模型 (.pt)：保存的是整个模型对象，包含模型架构和权重，加载时直接得到模型实例。
• .safetensors：专为安全和效率设计，需要 safetensors 库处理加载和保存。