为什么我的脚本在执行期间创建了一条新路径来保存数据？

如何解决为什么我的脚本在执行期间创建了一条新路径来保存数据？

一段时间以来，我一直在研究Pytorch机器学习脚本。我的设置是，在运行训练文件后，将创建一个文件夹来保存模型的每一代。此文件夹一开始被定义为：

path = "/home/bledc/my_remote_folder/denoiser/models/{}".format(current_time)

我在远程计算机上运行了几天，最近我注意到一些奇怪的行为。今天早上，我检查了昨天创建的文件夹，找到其中保存的7个模型。该代码仍在远程计算机的后台运行。这里没什么异常。我将文件夹复制到本地计算机上进行测试，并进行了一些常规测试。我应该说我将远程文件夹安装到了本地计算机上，以便于复制。

我稍后返回文件夹，发现已经创建了一个新文件夹（如何？！），并以今天的时间命名，并且我所有的模型都已移至该文件夹。我的原始文件夹仍然在那里，但是是空的！以我的理解，path变量一开始就定义了一次，所以我不确定这怎么可能。

我仍然认为自己是一个初学者，我想我缺少一些在运行时如何访问这些文件夹的基本知识。难道是当我登录到远程计算机并查看目录时，该计算机不再具有访问权限吗？如何知道如何创建一个新文件夹，以及如何将当前内容移动到新文件夹中？与我已经安装了远程文件夹有关吗？

感谢任何可以帮助我理解这一点的人。

编辑：我希望有人可以向我提供高级操作系统的说明，但对于希望查看该代码的人来说：

def main():
    now = datetime.now()
    current_time = now.strftime("%H_%M_%S")
    # path = "/home/clement/Documents/light_code/models/{}".format(current_time)
    path = "/home/bledc/my_remote_folder/denoiser/models/{}".format(current_time)
    os.mkdir(path)

    width = 256
    # height = 256
    num_epochs = 10
    batch_size = 4
    learning_rate = 0.0001

    data_loader = load_dataset(batch_size,width)

    print(device)

    model = UNetWithResnet50Encoder().to(device)
    criterion = nn.MSELoss()
    optimizer = torch.optim.Adam(
        model.parameters(),lr=learning_rate,weight_decay=1e-5)


    for i in range(1,num_epochs+1):
        train_loss = train_gray(i,data_loader,device,model,criterion,optimizer,i,path)
        checkpoint(i,train_loss,path)

    print("end")


if __name__ == '__main__':
    main()

调用了某些函数，但是我绝对不会重新定义路径。检查点功能如下：

def checkpoint(epoch,path):
    torch.save({
            'epoch': epoch,'model_state_dict': model.state_dict(),'optimizer_state_dict': optimizer.state_dict(),'train_loss': train_loss
            },path+"/model_epoch_{}.pt".format(epoch))
    print("Epoch saved")