1.來源框架不同

h5格式通常用于Keras和TensorFlow框架，weights用于Darknet框架，ckpt是TensorFlow框架的一種格式，而pth則主要用于PyTorch框架。

2.保存內容不同

h5格式可以保存模型的結構和權重，weights只保存了模型的權重，ckpt可以保存模型的權重和優化器的狀態，而pth可以保存模型的結構，權重，優化器的狀態以及其他額外信息。

3.加載方式不同

h5格式的模型可以直接通過Keras或者TensorFlow的load_model函數加載，weights需要通過對應的網絡結構進行加載，ckpt和pth需要使用TensorFlow或者PyTorch的恢復函數進行加載。

4.應用場景不同

h5和weights常用于模型的部署和分享，因為他們包含的信息比較簡單，加載也相對容易。ckpt和pth則更常用于訓練過程中，因為它們可以保存優化器的狀態，方便進行斷點續訓。

5.兼容性不同

h5是一個通用的數據格式，可以被很多深度學習框架識別。weights主要用于Darknet框架，ckpt和pth則分別是TensorFlow和PyTorch框架的專用格式。

延伸閱讀

如何轉換不同的模型權重格式

1.h5轉為weights

一種常見的方法是先通過Keras加載h5模型，然后逐層提取出模型權重，最后按照Darknet框架的格式進行保存。

2.weights轉為ckpt

這需要使用TensorFlow的模型定義，根據weights文件的權重，設定模型的參數，然后使用TensorFlow的保存函數進行保存。

3.ckpt轉為pth

首先需要用TensorFlow加載ckpt文件，然后將權重轉換為numpy數組，最后通過PyTorch的保存函數保存為pth文件。

4.pth轉為h5

需要先用PyTorch加載pth文件，然后將權重轉換為numpy數組，最后通過Keras的保存函數保存為h5文件。

在實際應用中，需要根據不同的需求，選擇合適的模型權重格式。了解不同格式的特點和用途，可以更有效地進行模型的訓練，部署和分享。