PyTorch加載模型model.load_state_dict()問題

希望將訓(xùn)練好的模型加載到新的網(wǎng)絡(luò)上。

如上面題目所描述的，PyTorch在加載之前保存的模型參數(shù)的時候，遇到了問題。

Unexpected key(s) in state_dict: "module.features. ...".，Expected ".features....". 直接原因是key值名字不對應(yīng)。

表明了加載過程中，期望獲得的key值為feature...，而不是module.features....。

這是由模型保存過程中導(dǎo)致的，模型應(yīng)該是在DataParallel模式下面，也就是采用了多GPU訓(xùn)練模型，然后直接保存的。

You probably saved the model using nn.DataParallel, which stores the model in module, and now you are trying to load it without . You can either add a nn.DataParallel temporarily in your network for loading purposes, or you can load the weights file, create a new ordered dict without the module prefix, and load it back.

解決上面的問題有三個辦法： 

1. 對load的模型創(chuàng)建新的字典

去掉不需要的key值"module".

# original saved file with DataParallel
state_dict = torch.load('checkpoint.pt')  # 模型可以保存為pth文件，也可以為pt文件。
# create new OrderedDict that does not contain `module.`
from collections import OrderedDict
new_state_dict = OrderedDict()
for k, v in state_dict.items():
    name = k[7:] # remove `module.`，表面從第7個key值字符取到最后一個字符，正好去掉了module.
    new_state_dict[name] = v #新字典的key值對應(yīng)的value為一一對應(yīng)的值。 
# load params
model.load_state_dict(new_state_dict) # 從新加載這個模型。

2. 直接用空白''代替'module.'

model.load_state_dict({k.replace('module.',''):v for k,v in torch.load('checkpoint.pt').items()})
 
# 相當(dāng)于用''代替'module.'。
#直接使得需要的鍵名等于期望的鍵名。

3. 最簡單的方法

加載模型之后，接著將模型DataParallel，此時就可以load_state_dict。

如果有多個GPU，將模型并行化，用DataParallel來操作。

這個過程會將key值加一個"module. ***"。

model = VGGNet()
params=model.state_dict() #獲得模型的原始狀態(tài)以及參數(shù)。
for k,v in params.items():
    print(k) #只打印key值，不打印具體參數(shù)。

4. 總結(jié)

從出錯顯示的問題就可以看出，key值不匹配，因此可以選擇多種方法，將模型參數(shù)加載進(jìn)去。

這個方法通常會在load_state_dict過程中遇到。將訓(xùn)練好的一個網(wǎng)絡(luò)參數(shù)，移植到另外一個網(wǎng)絡(luò)上面，繼續(xù)訓(xùn)練。

或者將訓(xùn)練好的網(wǎng)絡(luò)checkpoint加載進(jìn)模型，再次進(jìn)行訓(xùn)練?？梢源蛴〕鰉odel state_dict來看出兩者的差別。

model = VGGNet()
params=model.state_dict() #獲得模型的原始狀態(tài)以及參數(shù)。
for k,v in params.items():
    print(k) #只打印key值，不打印具體參數(shù)。

features.0.0.weight   
features.0.1.weight
features.1.conv.3.weight
features.1.conv.4.num_batches_tracked

model = VGGNet()
checkpoint = torch.load('checkpoint.pt', map_location='cpu')
# Load weights to resume from checkpoint。
# print('**************************************')
# 這個方法能夠直接打印出你保存的checkpoint的鍵和值。
for k,v in checkpoint.items():
    print(k) 
print("*****************************************")
 

輸出結(jié)果為：

module.features.0.0.weight",

"module.features.0.1.weight",

"module.features.0.1.bias

可以看出不匹配，模型的參數(shù)中，key值不同，多了module。

PS: 追加

在移植參數(shù)的過程中，對于出現(xiàn) .total_ops和.total_params結(jié)尾的參數(shù)，可參考以下代碼：

from collections import OrderedDict
checkpoint = torch.load(
    pretrained_model_file_path,
    map_location=(None if use_cuda and not remap_to_cpu else "cpu"))
new_state_dict = OrderedDict()
for k, v in checkpoint.items():
    if not k.endswith('total_ops') and not k.endswith('total_params'):
        name = k[7:]
        new_state_dict[name] = v

最后

以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。