Python Pytorch：当参数或大小发生变化时，是否可以加载模型？

Pytorch模型（图形、权重和偏差）通过以下方式保存：

torch.save(self.state_dict(), file)

并载有：

self.load_state_dict(torch.load(file))

但如果参数更改，模型将不会加载错误，例如：

RuntimeError: Error(s) in loading state_dict for LeNet5:
    size mismatch for conv1.weight:

是否可以将更改的大小加载到模型？

---

填充其余权重的一种方式，如初始化（如果有更多权重）和剪裁（如果权重较少）？

没有自动完成的方法，因为您需要明确地决定当事情不匹配时要做什么

就我个人而言，当我需要在一个稍微改变的模型上“强制”一个预先训练好的砝码时。我发现使用

state\u dict

本身是最方便的方法

new_model = model( ... )  # construct the new model
new_sd = new_model.state_dict()  # take the "default" state_dict
pre_trained_sd = torch.load(file)  # load the old version pre-trained weights
# merge information from pre_trained_sd into new_sd
# ...
# after merging the state dict you can load it:
new_model.load_state_dict(new_sd)