Pytorch 加载自定义模型的状态命令时出错

我在加载模型的权重时遇到问题。这是模型的一些部分

class InceptionV4(nn.Module):

   def __init__(self, num_classes=1001):
       super(InceptionV4, self).__init__()
       # Special attributs
       self.input_space = None
       self.input_size = (299, 299, 3)
       self.mean = None
       self.std = None
       # Modules
       self.features = nn.Sequential(
           BasicConv2d(3, 32, kernel_size=3, stride=2),
           BasicConv2d(32, 32, kernel_size=3, stride=1),
           BasicConv2d(32, 64, kernel_size=3, stride=1, padding=1),
           Mixed_3a(),
           Mixed_4a(),
           Mixed_5a(),
           Inception_A(),
           Inception_A(),
           Inception_A(),
           ...
       )
       self.avg_pool = nn.AvgPool2d(8, count_include_pad=False)
       self.last_linear = nn.Linear(1536, num_classes)

我尝试保存权重，类似于

torch.save（model.state\u dict（），weight\u name）

然后再次重新加载

model.load\u state\u dict（torch.load（weight\u name））

但有以下错误：

Missing key(s) in state_dict: "features.0.conv.weight", "features.0.bn.weight", "features.0.bn.bias", "features.0.bn.running_mean", "features.0.bn.running_var", "features.1.conv.weight", "features.1.bn.weight", "features.1.bn.bias", "features.1.bn.running_mean", "features.1.bn.running_var", "features.2.conv.weight", "features.2.bn.weight

而且：

Unexpected key(s) in state_dict: "conv.0.conv1.0.weight", "conv.0.conv1.0.bias", "conv.0.conv1.2.weight", "conv.0.conv1.2.bias", "conv.0.conv1.2.running_mean", "conv.0.conv1.2.running_var", "conv.0.conv1.2.num_batches_tracked", "conv.0.conv2.0.weight", "conv.0.conv2.0.bias", "conv.0.conv2.2.weight", "conv.0.conv2.2.bias", "conv.0.conv2.2.running_mean", "conv.0.conv2.2.running_var", "conv.0.conv2.2.num_batches_tracked", "conv.1.conv1.0.weight", "conv.1.conv1.0.bias", "conv.1.conv1.2.weight", "conv.1.conv1.2.bias", "conv.1.conv1.2.running_mean", "conv.1.conv1.2.running_var", "conv.1.conv1.2.num_batches_tracked

---

有什么提示吗？提前谢谢。

这个问题我已经面对过好几次了。该错误表示您的模型

状态_dict

与您加载的

预训练权重

具有不同的名称

我在torchvision的model zoo中没有看到

Inception\u v4

的预训练模型，因此很难准确地判断您的

InceptionV4

类在哪些方面存在dict不匹配的问题

无论从何处获取重量，都可以使用

预训练的

文件，但关键是要定义与

预训练的

模型代码相同的模型，并且可以顺利加载重量文件

以下是代码与模型不同的一些指标：

#更改self.features->self.conv：这有助于解决名称不匹配的问题。
self.conv=nn.Sequential（…）
#Google如何更改当前pytorch版本中的BatchNorm
#以及定义了预训练模型的较早的pytorch版本。
conv.1.conv1.2.num_批次_跟踪#在pytorch版本0.4或更高版本中不推荐使用它

提示是：

#定义与原始模型相同的模型（或要重用的零件）

希望这有帮助：）