模型有两种存储方式：
第一种：
def save_model(self, path):
torch.save(obj=self.state_dict(), f=path)
保存结果：
第二种：
def save_model(model):
torch.save(obj=model, f='M.pth')
保存结果：
obj=self.state_dict()和obj=model的区别在于使用不同方法保存的不同对象。
self.state_dict()返回一个字典，其中包含模型的所有可学习参数，即所有层的权重和偏差。该字典可以保存到磁盘，然后加载回模型以恢复其状态。该state_dict()方法通常用于在训练、测试或推理期间保存和加载模型参数。
modelExternalAttention是表示整个模型的类的一个实例。这个对象也可以保存到磁盘，然后加载回内存以恢复整个模型，包括它的架构和状态。然而，这种保存和加载模型的方法不太常见，它通常用于在训练期间对模型进行检查点检查，以便稍后可以从保存的状态恢复训练。
总之，self.state_dict()只保存模型的可学习参数，而model保存整个模型对象，包括它的体系结构和状态，这两种方法在不同的场景中都有用，具体取决于你想要实现的目标。