这篇文章主要讲解了“pytorch加载模型遇到的问题怎么解决”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“pytorch加载模型遇到的问题怎么解决”吧！
我们提供的服务有：网站设计、成都网站设计、微信公众号开发、网站优化、网站认证、顺平ssl等。为近千家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的顺平网站制作公司
pretrained_dict1 = torch.load(model_path2, map_location='cpu')['state_dict']#预训练文件后缀是.tarpretrained_dict2 = torch.load(model_path3)#预训练文件后缀是.pth#1.查看预训练网络参数for key ,value in pretrained_dict1.items():#pretrained_dict1，pretrained_dict2就是上面的东西count+=1print(key)print(count)#2.查看model的网络参数for key ,value in model.state_dict.items()：print(key,value)
1. 模型的键不匹配
以下两代码，解决了键不匹配问题，一个是删除键的某一部分，一是添加键的某一部分。
例:
下面的错误是因为模型的model.state_dict().items()的键是conv1.weight，预训练的键是module.conv1.weight，导致不匹配。所以下面的代码是让module. 去掉
1.删除键的头部
pretrained_dict = {
k.replace('module.', ''): v for k, v in pretrained_dict2.items()}当然有时候自己model的键需要改进，如下
2.补齐键的头部
checkpoint={
'module.'+k:v for k,v in pretrained_dict.items()}2. 预训练模型和自己的model长度不一样
# 删除pretrained_dict.items()中model所没有的东西model_dict = model.state_dict()pretrained_dict = {
k: v for k, v in pretrained_dict.items() if k in model_dict} # 只保留预训练模型中，自己建的model有的参数model_dict.update(pretrained_dict) # 将预训练的值，更新到自己模型的dict中model.load_state_dict(model_dict) # model加载dict中的数据，更新网络的初始值for value1 ,value2 in zip(checkpoint.items(), model.state_dict().items()):print(value1,value2)
如下所示，model的参数和预训练的参数是一样的
（这里处理的只是针对本人的model加载的情况，要想正确加载，还需遵守上面3步）
def load_param(self, model_path):#这里的self就是modelmodel_dict = self.state_dict()pretrained_dict = torch.load(model_path)#这里model_path的后缀是.pth可直接读取# pretrained_dict = {k.replace('module.', ''): v for k, v in# pretrained_dict.items()} # 因为pretrained_dict得到module.conv1.weight，但是自己建的model无module，只是conv1.weight，所以改写下pretrained_dict = {
k: v for k, v in pretrained_dict.items() if k in model_dict} # 只保留预训练模型中，自己建的model有的参数model_dict.update(pretrained_dict) # 将预训练的值，更新到自己模型的dict中self.load_state_dict(model_dict) # model加载dict中的数据，更新网络的初始值感谢各位的阅读，以上就是“pytorch加载模型遇到的问题怎么解决”的内容了，经过本文的学习后，相信大家对pytorch加载模型遇到的问题怎么解决这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
