深度学习模型文件

在深度学习生命周期中，不同的模型格式服务于不同的目的，涵盖从训练到部署的各个阶段。

格式关系

下图展示了现代深度学习模型的标准转换链。

支持的格式

格式	角色	主要用途
.pt / .pth	训练	PyTorch 原生存储，包含权重和架构。
.onnx	转换	框架间的通用桥梁 (Open Neural Network Exchange)。
.engine / .plan	部署	在 NVIDIA GPU 上进行高性能优化推理。
.wts	桥接	用于自定义 TensorRT 构建器的纯文本权重存储。

建议

90% 的生产模型标准路径是：.pt → .onnx → .engine。

核心概念

• 框架无关性：ONNX 允许你在不同工具之间移动模型，而不会被特定框架锁定。
• 硬件优化：TensorRT 引擎绑定到特定的 GPU 架构和驱动版本，以实现巅峰性能。
• 单向转换：虽然可以从 .pt 转换为 .engine，但通常无法逆转此过程。