Python RuntimeError:生成器的加载状态\u dict中出现错误：状态\u dict中缺少密钥

我试图使用MNIST数据集训练DCGAN模型，但训练结束后无法加载

gen.state\u dict（）

导入火炬
导入torch.nn作为nn
将torchvision.dataset导入为数据集
导入torchvision.transforms作为变换
来自torch.utils.tensorboard导入摘要编写器
进口火炬视觉
导入操作系统
从torch.autograd导入变量
workspace_dir='/content/drive/My drive/practice'
设备=torch.device（'cuda'如果torch.cuda.U可用，其他'cpu'）
打印（设备）
img_尺寸=64
信道\u img=1
lr=2e-4
批量大小=128
z_dim=100
纪元=10
功能\u gen=64
功能\u盘=64
save_dir=os.path.join（工作区_dir，'logs'）
os.makedirs（保存目录，存在确定=True）
将matplotlib.pyplot作为plt导入
transforms=transforms.Compose（[transforms.Resize（img_size），transforms.ToTensor（），transforms.Normalize（mean=（0.5），std=（0.5，）]））
train_data=datasets.MNIST（root='dataset/'，train=True，transform=transforms，download=True）
train\u loader=torch.utils.data.DataLoader（train\u数据，batch\u大小=batch\u大小，shuffle=True）
计数=0
对于x、y列装载机：
如果计数=5：
打破
打印（x形、y形）
计数+=1
类鉴别器（nn.模块）：
定义初始化（自身、通道、功能）：
超级（鉴别器，自身）。\uuuu init\uuuuuuu（）
self.disc=nn.Sequential(
#输入：N*通道\u img*64*64
nn.Conv2d（通道img，特征d，4,2,1），#论文在鉴别器特征的早期层中没有使用batchnorm_d*32*32
nn.LeakyReLU（0.2），
自我功能块（功能块，功能块*2,4,2,1），#功能块*2*16*16
自块（特征d*2，特征d*4,4,2,1），#特征d*4*8*8
自定块（特征4，特征8,4,2,1），#特征8*4*4
nn.Conv2d（特征_d*8,1,4,2,0），1*1*1
nn.Sigmoid（）
)
定义块（自身、输入通道、输出通道、内核大小、步幅、填充）：
返回nn.顺序(
nn.Conv2d（输入通道、输出通道、内核大小、步幅、填充、偏差=False），
nn.2D（输出信道），
nn.LeakyReLU（0.2）
)
def前进（自身，x）：
返回自我光盘（x）
类生成器（nn.模块）：
定义初始（自身、Z尺寸、通道、功能）：
超级（生成器，自我）。\uuuuu初始化
self.gen=nn.Sequential(
#输入：n*z_尺寸*1*1
自块（Z尺寸，特征值为16,4,1,0），#特征值为16*4*4
自我功能块（功能块16，功能块8,4,2,1），#功能块8*8*8*8*8
自我功能块（功能块8，功能块4,4,2,1），#功能块4*16*16
自块（特征4，特征2,4,2,1），#特征2*32*32
nn.ConvTranspose2d（特征2，通道4,2,1）#
nn.Tanh（）#[-1到1]标准化图像
)
定义块（自身、输入通道、输出通道、内核大小、步幅、填充）：
返回nn.顺序(
nn.ConvTranspose2d（输入通道、输出通道、内核大小、步幅、填充、偏差=假），#w'=（w-1）*s-2p+k
nn.2D（输出信道），
nn.ReLU（）
)
def前进（自身，x）：
返回自我生成（x）
def初始化重量（型号）：
对于model.modules（）中的m：
如果isinstance（m，（nn.Conv2d，nn.ConvTranspose2d，nn.batchNormal2d））：
nn.初始正常值（m.重量数据，0.0,0.02）
发电机=发电机（z尺寸、通道img、特征）。至（设备）
disc=鉴别器（通道、特征、光盘）。至（设备）
初始化权重（gen）
初始化重量（光盘）
opt_gen=torch.optim.Adam（gen.parameters（），lr=lr，betas=（0.5,0.999））
opt_disc=torch.optim.Adam（disc.parameters（），lr=lr，betas=（0.5,0.999））
标准=nn.BCELoss（）
#固定噪声=火炬。随机（32，z尺寸，1,1）。至（设备）
#writer\u real=SummaryWriter（f“logs/real”）
#writer\u fake=SummaryWriter（f“logs/fake”）
步长=0
火车将军（）
盘.列车（）
z_sample=变量（torch.randn（100，z_dim，1,1））.cuda（）
对于范围（2）中的历元：
对于枚举（列加载器）中的批处理（实）idx：
real=real.to（设备）
噪声=火炬的随机数（（批次尺寸，z尺寸，1,1））到（设备）
假=发电机（噪声）
#列车鉴别器最大对数（D（x））+对数（1-D（G（z）））
disc\u real=disc（real）。重塑（-1）
损耗盘实=标准（盘实、火炬、类似盘实）
圆盘假=圆盘（假）。重塑（-1）
损耗盘假=标准（盘假、火炬、零类（盘假））
损耗盘=（损耗盘假+损耗盘真）/2
圆盘零度梯度（）
向后丢失光盘（保留图表=真）
opt_disc.步骤（）
#列车发电机最小日志（1-D（G（z）））最大日志（D（G（z）））
输出=光盘（假）。重塑（-1）
损耗=标准（输出，火炬式（输出））
zero_grad将军（）
损失_gen.backward（）
选择第二代步骤（）
打印（f'\rEpoch[{epoch+1}/{3}]{batch_idx+1}/{len（火车装载机）}丢失：{Loss_disc.item（）：.4f}丢失：{Loss_gen.item（）：.4f}'，end=''）
伊瓦尔将军（）
f_imgs_sample=（gen（z_sample）.data+1）/2.0
filename=os.path.join（save_dir，f'Epoch_{Epoch+1:03d}.jpg'）
torchvision.utils.save_image（f_imgs_示例，文件名，nrow=10）
打印（f'|将一些示例保存到{filename}.'））
#显示生成的图像
grid\u img=torchvision.utils.make\u grid（f\u imgs\u sample.cpu（），nrow=10）
plt.图（figsize=（10,10））
plt.imshow（网格排列（1,2,0））
plt.show（）
火车将军（）
torch.save（gen.state\u dict（），os.path.join（workspace\u dir，f'dcgan\u d.pth'））
torch.save（disc.state\u dict（），os.path.join（workspace\u dir，f'dcgan\u g.pth'））

我无法在此步骤中加载发电机状态命令：

# load pretrained model
#gen = Generator(z_dim,1,64)
gen=Generator(z_dim,channel_img,features_gen).to(device)
gen.load_state_dict(torch.load('/content/drive/My Drive/practice/dcgan_g.pth'))
gen.eval()
gen.cuda()

以下是错误：

RuntimeError                              Traceback (most recent call last)
<ipython-input-18-4bda27faa444> in <module>()
      5 
      6 #gen.load_state_dict(torch.load('/content/drive/My Drive/practice/dcgan_g.pth'))
----> 7 gen.load_state_dict(torch.load(os.path.join(workspace_dir, 'dcgan_g.pth')))
      8 #/content/drive/My Drive/practice/dcgan_g.pth
      9 gen.eval()

/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py in load_state_dict(self, state_dict, strict)
   1050         if len(error_msgs) > 0:
   1051             raise RuntimeError('Error(s) in loading state_dict for {}:\n\t{}'.format(
-> 1052                                self.__class__.__name__, "\n\t".join(error_msgs)))
   1053         return _IncompatibleKeys(missing_keys, unexpected_keys)
   1054 

***RuntimeError: Error(s) in loading state_dict for Generator:
    Missing key(s) in state_dict***: "gen.0.0.weight", "gen.0.1.weight", "gen.0.1.bias", "gen.0.1.running_mean", "gen.0.1.running_var", "gen.1.0.weight", "gen.1.1.weight", "gen.1.1.bias", "gen.1.1.running_mean", "gen.1.1.running_var", "gen.2.0.weight", "gen.2.1.weight", "gen.2.1.bias", "gen.2.1.running_mean", "gen.2.1.running_var", "gen.3.0.weight", "gen.3.1.weight", "gen.3.1.bias", "gen.3.1.running_mean", "gen.3.1.running_var", "gen.4.weight", "gen.4.bias". 
    Unexpected key(s) in state_dict: "disc.0.weight", "disc.0.bias", "disc.2.0.weight", "disc.2.1.weight", "disc.2.1.bias", "disc.2.1.running_mean", "disc.2.1.running_var", "disc.2.1.num_batches_tracked", "disc.3.0.weight", "disc.3.1.weight", "disc.3.1.bias", "disc.3.1.running_mean", "disc.3.1.running_var", "disc.3.1.num_batches_tracked", "disc.4.0.weight", "disc.4.1.weight", "disc.4.1.bias", "disc.4.1.running_mean", "disc.4.1.running_var", "disc.4.1.num_batches_tracked", "disc.5.weight", "disc.5.bias".

运行时错误回溯（最近一次调用）
在（）
5.
6#gen.load_state_dict（火炬装载（'/content/drive/My drive/practice/dcgan_g.pth'））
---->7 gen.load\u state\u dict（torch.load（os.path.join（workspace\u dir，'dcgan\u g.pth'））
8#/content/drive/My drive/practice/dcgan#u g.pth
9总评估（）
/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py处于加载状态（self、state、strict）
1050如果len（错误）>0：
1051 raise RUNTIMERROR（'加载状态下的错误