Python 如何重新使用经过培训的fastai模型？

如何在PyTorch上使用fastai实现加载预训练模型？就像在SkLearn中一样，我可以使用pickle将模型转储到文件中，然后加载并稍后使用。在声明学习实例（如bellow）后，我使用了.load（）方法加载以前保存的权重：

arch=resnet34
data = ImageClassifierData.from_paths(PATH, tfms=tfms_from_model(arch, sz))
learn = ConvLearner.pretrained(arch, data, precompute=False)
learn.load('resnet34_test')

然后预测图像的类别：

trn_tfms, val_tfms = tfms_from_model(arch,100)
img = open_image('circle/14.png')
im = val_tfms(img)
preds = learn.predict_array(im[None])
print(np.argmax(preds))

但这让我犯了一个错误：

ValueError: Expected more than 1 value per channel when training, got input size [1, 1024]

---

如果我使用

learn.fit（0.01,3）

而不是

learn.load（）

，则此代码有效。我真正想要的是避免应用程序中的培训步骤

这可能是一种边缘情况，其中某些批次的批次大小等于1。确保没有批处理=1（大部分是最后一批）

每当一批数据包含单个元素时，就会发生此错误

解决方案1： 在learn.load（'resnet34_test'）之后调用learn.predict（）

解决方案2： 从训练集中删除1个数据点

---

在训练中，如果训练集批次中有1个数据，则会出现此错误

如果您使用模型预测输出，请确保设置

learner.eval()

---

最好的方法是打印模型的细节以及预训练模型中张量的名称和形状，以查看出了什么问题。从你目前的描述来看，不清楚实际问题是什么。