在PyTorch中，.pt和.pth文件均用于保存模型，但兩者在設計初衷、存儲內容和使用場景上存在差異。以下是詳細對比：

---

1. 核心區別

特性	.pt文件	.pth文件
存儲內容	完整模型（結構+參數+優化器狀態等）	僅模型參數（state_dict）
文件大小	較大（包含額外元數據）	較小（僅參數）
加載方式	直接加載，無需定義模型結構	需先實例化模型，再加載參數
適用場景	部署、跨環境遷移	訓練中斷恢復、參數共享

---

2. 技術細節

• .pt文件

  • 生成代碼：torch.save(model, "model.pt")
  • 優勢：包含完整的模型信息，適合直接用于推理或遷移到無代碼環境。
  • 風險：若模型類定義變更，加載可能失敗（需確保代碼兼容性）。

• .pth文件

  • 生成代碼：torch.save(model.state_dict(), "model.pth")
  • 優勢：靈活性高，可加載到不同結構的模型中（如遷移學習）。
  • 限制：需手動重建模型結構，否則無法直接使用。

---

3. 版本與社區習慣

• 歷史演變：
  • .pth曾是早期PyTorch的默認格式，后逐漸被.pt取代（尤其PyTorch 1.6+）。
  • .pt現為官方推薦格式，支持更完整的序列化（如TorchScript）。
• 命名慣例：
  • .pt多用于完整模型或TorchScript導出。
  • .pth仍廣泛用于參數保存（如Hugging Face庫）。

---

4. 安全性與性能

• 安全性：
  • 兩者均基于pickle序列化，存在代碼注入風險，需確保文件來源可信。
  • .safetensors（Hugging Face推出）是更安全的替代方案。
• 加載效率：
  • .pth因體積小，加載更快。
  • .pt支持內存映射（如TorchScript優化后），適合大模型。

---

5. 如何選擇？

• 選.pt：
  • 需一鍵部署模型（如API服務）。
  • 需保留訓練狀態（如優化器、epoch計數）。
• 選.pth：
  • 僅需參數（如遷移學習或模型壓縮）。
  • 需跨項目共享權重（避免結構依賴）。

---

總結

• 本質差異：.pt是“完整存檔”，.pth是“參數快照”。
• 實踐建議：優先使用.pt確保兼容性，僅在參數共享時用.pth。