机器学习常见的框架及其对应的模型文件格式

1. PyTorch:
      - .pth 或 .pt: 通常用于保存单个模型参数或整个模型的状态字典（state_dict）。
      - .pkl 或 .pickle: 有时也用于序列化整个模型或其状态。

2. TensorFlow/Keras:
      - .h5 或 .hdf5: HDF5格式，用于保存Keras模型。
      - .pb: Protocol Buffers格式，用于保存TensorFlow的计算图。

3. TensorRT:
      - 由NVIDIA提供，专门针对TensorFlow和PyTorch模型进行优化，通常使用.engine作为文件扩展名。

4. ONNX (Open Neural Network Exchange):
      - .onnx: 一个开放的格式，允许模型在不同框架之间转换和运行。

5. Caffe:
      - .caffemodel: 用于保存训练好的Caffe模型。

6. MXNet:
      - .params: 用于保存MXNet模型的参数。

7. PaddlePaddle:
      - .pdparams: 用于保存PaddlePaddle模型的参数。

8. Hugging Face Transformers:
      - 通常使用预训练模型的配置文件和状态字典，保存为.json和.bin文件。

9. Core ML:
      - .mlmodel: 用于保存Core ML模型，Core ML是Apple的机器学习框架。

10. TorchScript:
        - .ts: PyTorch的模型序列化格式，允许模型在没有Python解释器的情况下运行。

11. ML.NET:
        - .mlnet: ML.NET模型的格式。

12. Scikit-learn:
        - Scikit-learn通常不使用特定的文件格式保存模型，但可以通过pickle模块序列化模型对象。