为什么有的.pth文件储存的是数字有些.pth储存的是网络结构？

原创

已于 2023-04-05 20:26:26 修改 · 1.8k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#python #深度学习 #机器学习

于 2023-04-05 14:45:03 首次发布

.pth文件通常用于保存PyTorch模型的参数，包括权重和偏置，而不是模型架构。模型架构存在于代码中。torch.load加载.pth文件用于恢复模型状态，继续训练或推理。错误的保存方式可能导致.pth文件包含模型结构，正确的保存应使用torch.save(obj=self.state_dict())或torch.save(obj=model)。

对自己之前的一段代码的.pth文件里面储存的内容有些疑惑，因为有时候.pth文件储存的是网络结构，而有些储存的是数据，例如：

from collections import OrderedDict
import torch
import torch.nn as nn

class MDNet(nn.Module):
def init(self, model_path=None, K=1):
super(MDNet, self).init()
self.avgpool=nn.AdaptiveAvgPool2d(1)
self.layers=nn.Sequential(OrderedDict([
(‘conv1’, nn.Sequential(nn.Conv2d(3, 96, kernel_size=7, stride=2),
nn.ReLU(inplace=True),
nn.LocalResponseNorm(2),
nn.MaxPool2d(kernel_size=3, stride=2))),
(‘conv2’, nn.Sequential(nn.Conv2d(96, 256, kernel_size=5, stride=2),
nn.ReLU(inplace=True),
nn.LocalResponseNorm(2),
nn.MaxPool2d(kernel_size=3, stride=2))),
(‘conv3’, nn.Sequential(nn.Conv2d(256, 512, kernel_size=3, stride=1),
nn.ReLU(inplace=True))),
# (‘fc4’, nn.Sequential(nn.Linear(500, 512),
# nn.ReLU(inplace=True))),
# (‘fc5’, nn.Sequential(nn.Dropout(0.5),
# nn.Linear(500, 512),
# nn.ReLU(inplace=T