当我们使用yolov8训练时候，保存的模型变大，如下图：

原模型

训练出来的模型

经过仔细调查，发现是保存的模型中多了很多数据。

原模型

训练出来的模型

只需要把文件中.pt文件读取，重写一遍保存。

from ultralytics import YOLO
import torch
from ultralytics.nn.modules import Bottleneck, Conv, C2f, SPPF, Detect
from copy import deepcopy

# Load a model
yolo = YOLO("./runs/detect/train2/weights/last.pt")

ckpt = {
            'epoch': -1,
            'best_fitness': None,
            'model': yolo.ckpt["model"],
            'ema': yolo.ckpt['ema'],
            'updates': None,
            'optimizer': None,
            'train_args': yolo.ckpt["train_args"],  # save as dict
            'date': None,
            'version': '8.0.142'}

torch.save(ckpt, "./runs/detect/train1/weights/new.pt")

如果把ema也设置成None，就文件跟原模型一样大小。

在训练过程中，EMA权重会逐渐接近模型权重，但以一种缓慢的方式，因为EMA权重的更新会考虑到之前的EMA权重。EMA可以帮助模型从训练过程中的局部最小值中恢复，并且通常可以在训练结束时提供更稳定的模型参数。

在实际应用中，EMA模型的权重可能不会用于模型的训练更新，而是作为辅助，用于在训练过程中或训练结束后生成更稳健的模型参数。有时，训练完成后，可以使用EMA权重作为模型的最终参数，因为它们可能提供了更好的泛化性能。