torch中保存的模型.pth

在pytorch进行模型保存的时候，一般有两种保存方式，一种是保存整个模型，另一种是只保存模型的参数。

torch.save(model.state_dict(),"model.pth")#只保存模型参数
torch.save(model,"model.pth")#保存整个模型

保存的模型参数实际上一个字典类型，通过key-value的形式来存储模型的所有参数，本文以自己在实践过程中使用的一个.pth文件为例来说明，使用的是整个模型。

一个完整的模型有四个键值：model,optimizer,scheduler,iteration

• net[“model”] 所对应的值是一个OrderedDict，而这个OrderedDict字典里面又存储着所有的每一层的参数名称以及对应的参数值。这里参数名称之所以很长，如：module.backbone.body.stem.conv1.weight
  是因为搭建网络结构的时候采用了组件式的设计，即整个模型里面构造了一个backbone的容器组件，backbone里面又构造了一个body容器组件，body里面又构造了一个stem容器，stem里面的第一个卷积层的权重。
• net[“optimizer”] 这个字典只有两个key，一个是state，一个是param_groups。其中state所对应的值又是一个字典类型，param_groups对应的值是一个列表
• net[“scheduler”] 字典的长度为 7，milestones’, ‘gamma’, ‘warmup_factor’, ‘warmup_iters’, ‘warmup_method’, ‘base_lrs’, ‘last_epoch’
• net[“iteration”] 返回一个具体的数字

net[“model”] 就相当于是 前面文章中说到的 net.state_dict() 返回的那个字典；