PyTorch保存模型权重异常：与numpy导出结果差异显著求助

TLDR：torch.save保存的权重与通过numpy克隆并保存为.csv的权重差异极大，加载模型后GAN生成效果退回到训练早期水平。

我正在开发一款面向EEG数据的生成对抗网络（GAN），训练过程中生成的数据效果理想，但加载Lightning checkpoint或torch.save保存的模型后，生成的数据效果仅相当于训练早期阶段的水平。

经调试发现，使用numpy导出的模型权重，与通过Lightning checkpoint或torch.save保存的权重存在显著差异，推测该差异是导致生成效果异常的原因。

此前我已在相关论坛发布问题，包含权重对比图、训练细节等信息。以下是用于对比权重的代码：

# Saving using numpy: 
filter_block1 = module.generator.block1.conv.weight.data.clone().flatten()
filter_block2 = module.generator.block2.conv.weight.data.clone().flatten()
filter_block3 = module.generator.block3.conv.weight.data.clone().flatten()
            
np.savetxt("/path/block1_conv2.csv", filter_block1.detach().cpu().numpy())
np.savetxt("/path/block2_conv2.csv", filter_block2.detach().cpu().numpy())
np.savetxt("/path/block3_conv2.csv", filter_block3.detach().cpu().numpy())

# Saving using torch: 
torch.save(module.generator.state_dict(), "/path/generator.pth")
torch.save(module.critic.state_dict(), "/path/critic.pth")
torch.save(module.state_dict(), "/path/model.pth")

如需完整的Lightning训练步骤代码，我可随时提供。该问题已困扰我数周，恳请各位技术同仁提供帮助，以便我继续推进研究。

内容的提问来源于stack exchange，提问作者Samuel