存取与迁移

PyTorch 和 burn 存的都是「参数名 → 张量」的一张表：PyTorch 叫 state_dict，名字是 fc1.weight 这样的属性路径；burn 的名字是结构体字段的路径，也是 fc1.weight。模型结构两边都不进文件，加载前先在代码里把模型建出来，再把表里的张量按名字套进去。不同的地方有三处：burn 的 Linear 权重是 [in, out]，PyTorch 是 [out, in]；burn 自己的格式是 burnpack，和 PyTorch 交换数据用 safetensors，.pt 只能读不能写；burn 加载时保留文件里的 dtype，PyTorch 会转成参数原来的 dtype。

这一部分是部署主线的前两步，保存和加载：

1. 保存与加载：torch.save(model.state_dict()) 对 save_file，load_state_dict 对 load_file；严格加载的报错两边对照；burn 写 safetensors 给 PyTorch 读，要 BurnToPyTorchAdapter；同一个路径存第二次，burn-store 默认拒绝。
2. 导入 PyTorch 权重：主线 MLP 在 PyTorch 里存成 safetensors 和 .pt，读进 burn 后前向结果最大差 1.49e-8；不加适配器时的 ShapeMismatch 和方阵静默读反；nn.Sequential 的键名；float64 文件让 burn 的参数变成 F64。

flowchart TB
  pt["PyTorch 模型"] -->|"save_file"| st[".safetensors"]
  pt -->|"torch.save"| ptf[".pt"]
  st -->|"PyTorchToBurnAdapter"| bm["burn 模型"]
  ptf -->|"PytorchStore"| bm
  bm -->|"save_file"| bpk[".bpk"]
  bpk -->|"load_file"| bm
  bm -->|"BurnToPyTorchAdapter"| st2[".safetensors"]
  st2 -->|"load_state_dict"| pt

存取的内部机制（ModuleRecord、burnpack 格式、适配器怎么按模块类型转置）见 burn 卷的存储与加载，这一部分只讲从 PyTorch 过来要改的写法。