如何将.pth.tar格式模型文件转换为同目录下的.pt格式文件？

.pth.tar是PyTorch生态非常常见的checkpoint存储后缀，和常规.pt/.pth文件的序列化逻辑完全兼容，不需要第三方转换工具，直接用PyTorch内置接口读取重存就能完成转换。

准备工作 #

• 本地已经安装可用的PyTorch，大版本和你下载权重对应的PyTorch版本匹配即可，不需要完全一致
• 如果加载特定模型（比如你用的mlnf行人重识别模型）时报类不存在的错误，提前把对应模型代码的路径加入Python搜索路径就行，不需要修改权重本身

转换脚本 #

把下面脚本里的input_file变量替换成你本地.pth.tar文件的绝对路径，直接运行即可。转换后的.pt文件会自动保存在原文件所在目录，文件名和原文件保持一致，仅替换后缀为.pt：

import os
import torch

# 替换为你的.pth.tar文件实际路径
input_file = "/your/local/path/to/mlnf_model.pth.tar"

# 加载权重，默认映射到CPU，不占用GPU显存
# 高版本PyTorch如果报weights_only相关报错，给torch.load加参数 weights_only=False 即可
checkpoint = torch.load(input_file, map_location="cpu")

# 生成输出文件路径
save_dir = os.path.dirname(input_file)
save_name = os.path.basename(input_file).replace(".pth.tar", ".pt")
output_path = os.path.join(save_dir, save_name)

# 保存为.pt格式
torch.save(checkpoint, output_path)
print(f"转换完成，文件已保存到：{output_path}")

异常处理 #

• 如果torch.load加载时提示文件格式无效：说明该文件是标准tar压缩包，先手动用tar命令解压，取出解压后得到的.pth文件，再用上面的脚本读取保存为.pt即可
• 如果只需要推理用的模型权重，不需要保存训练附带的优化器状态、迭代轮次、日志等冗余内容，可以在加载后单独提取权重字典存储，减小输出文件体积，替换保存部分的代码即可：

# 提取纯模型权重
weight_dict = checkpoint["state_dict"] if "state_dict" in checkpoint else checkpoint
torch.save(weight_dict, output_path)

• 你提到的mlnf系列权重没有做特殊加密或者格式定制，按上述方法转换得到的.pt文件可以直接被PyTorch正常加载调用，不需要找官方发布的专属.pt版本。

内容的提问来源于stack exchange，提问作者jack gell