浅谈神经网络模型保存格式

一、保存格式常用的三种是：

1. 保存整个模型：使用 torch.save(model, PATH) 直接保存整个模型对象。

2.保存模型参数 :torch.save(model.state_dict(), 'model_state_dict.pth')，调用模型时需要手动初始化模型，结构必须和参数一致，否则会报错，优点是体积小（对于小模型两种格式大小差不多）

3.将模型导出为 :ONNX（Open Neural Network Exchange）格式，便于跨平台使用。

二、查看不同保存方式的区别：

1、保存参数的方法，打开模型看到的也是参数，可以看到每一层的参数量：

weight：输出通道*输入通道*卷积核

bias：输出通道个数

上述模型可以看到四个卷积层+一个双向lstm+全链接层

2、保存整个模型,打开可以看到完整结构，包括激活函数、池化层、全连接层还有输出层的全貌

 3、onnx通常用于边端部署等，例如rk3588，在使用rknn_tookits转换工具时，官方提供的就是将onnx格式文件转换成npu可以部署的格式，涉及到量化操作等

三、常用公式