深度學習模型文件
在深度學習生命週期中，不同的模型格式服務於不同的目的，涵蓋從訓練到部署的各個階段。
格式關係
下圖展示了現代深度學習模型的標準轉換鏈。
支持的格式
| 格式 | 角色 | 主要用途 |
|---|---|---|
| .pt / .pth | 訓練 | PyTorch 原生存儲，包含權重和架構。 |
| .onnx | 轉換 | 框架間的通用橋樑 (Open Neural Network Exchange)。 |
| .engine / .plan | 部署 | 在 NVIDIA GPU 上進行高性能優化推理。 |
| .wts | 橋接 | 用於自定義 TensorRT 構建器的純文本權重存儲。 |
建議
90% 的生產模型標準路徑是：.pt → .onnx → .engine。
核心概念
- 框架無關性：ONNX 允許你在不同工具之間移動模型，而不會被特定框架鎖定。
- 硬件優化：TensorRT 引擎綁定到特定的 GPU 架構和驅動版本，以實現巔峰性能。
- 單向轉換：雖然可以從
.pt轉換為.engine，但通常無法逆轉此過程。