torch.save实现对网络结构和模型参数的保存 & pytorch模型文件.pt .pth .pkl区别与联系

1.对网络结构和模型参数的保存

有两种方式：

1.1

保存整个神经网络的结构信息和模型参数信息，save的对象是网络模型。
我们假设训练好的模型名为net0，则

#保存整个神经网络结构和结构的模型参数
torch.save(net0,'net0.pth')
torch.save(net0,'net0.pkl')

这种方式消耗的内存较大

1.2

只保存神经网络的训练模型参数，save的对象是net.state_dict()。
我们假设训练好的模型名为net0，则

#只保存神经网络的模型参数
torch.save(net0.state_dict(),'net0.pth')
torch.save(net0.state_dict(),'net0.pkl')

保存的是一个collections.OrderedDict()字典形式。
字典是key值对应参数层的名称，value值对key层相应的参数值。

2. 不同后缀名的pytorch模型文件的区别与联系

pth是path的缩写，pkl是pickle的缩写。
.pkl和.pth文件都是以二进制形式存储的，用pickle这个库加载.pkl和.pth文件，效果相同。
如果你是使用torch.save方法来进行模型参数的保存，那保存文件的后缀其实没什么区别，结果都是一样的，只是.pth用的更多一些。

但如果应用场景不在这里这两种（.pkl、.pth）格式的文件还是有区别的：
①.pkl文件是python里保存文件的一种格式，如果直接打开会显示序列化内容，其实是以二进制形式存储的，若要阅读文件，需要用’rb’而不是’r’。
②.pth文件有不同的应用，python在遍历已知库文件目录过程中，如果见到一个.pth文件，就会将文件中所记录的路径加入到sys.path设置中，于是.pth文件指明的库也就可以被python运行环境找到。