一、Pytorch修改預(yù)訓(xùn)練模型時遇到key不匹配
最近想著修改網(wǎng)絡(luò)的預(yù)訓(xùn)練模型vgg.pth，但是發(fā)現(xiàn)當(dāng)我加載預(yù)訓(xùn)練模型權(quán)重到新建的模型并保存之后。
在我使用新賦值的網(wǎng)絡(luò)模型時出現(xiàn)了key不匹配的問題
#加載后保存（未修改網(wǎng)絡(luò)）
base_weights = torch.load(args.save_folder + args.basenet)
ssd_net.vgg.load_state_dict(base_weights)
torch.save(ssd_net.state_dict(), args.save_folder + 'ssd_base' + '.pth')
# 將新保存的網(wǎng)絡(luò)代替之前的預(yù)訓(xùn)練模型
ssd_net = build_ssd('train', cfg['min_dim'], cfg['num_classes'])
net = ssd_net
...
if args.resume:
...
else:
base_weights = torch.load(args.save_folder + args.basenet)
#args.basenet為ssd_base.pth
print('Loading base network...')
ssd_net.vgg.load_state_dict(base_weights)
此時會如下出錯誤：
Loading base network…
Traceback (most recent call last):
File “train.py”, line 264, in
train()
File “train.py”, line 110, in train
ssd_net.vgg.load_state_dict(base_weights)
…
RuntimeError: Error(s) in loading state_dict for ModuleList:
Missing key(s) in state_dict: “0.weight”, “0.bias”, … “33.weight”, “33.bias”.
Unexpected key(s) in state_dict: “vgg.0.weight”, “vgg.0.bias”, … “vgg.33.weight”, “vgg.33.bias”.
說明之前的預(yù)訓(xùn)練模型 key參數(shù)為"0.weight", “0.bias”，但是經(jīng)過加載保存之后變?yōu)榱?vgg.0.weight", “vgg.0.bias”
我認(rèn)為是因為本身的模型定義文件里self.vgg = nn.ModuleList(base)這一句。
現(xiàn)在的問題是因為自己定義保存的模型key參數(shù)多了一個前綴。
可以通過如下語句進行修改，并加載
from collections import OrderedDict #導(dǎo)入此模塊
base_weights = torch.load(args.save_folder + args.basenet)
print('Loading base network...')
new_state_dict = **OrderedDict()**
for k, v in base_weights.items():
name = k[4:] # remove `vgg.`，即只取vgg.0.weights的后面幾位
new_state_dict[name] = v
ssd_net.vgg.load_state_dict(new_state_dict)
此時就不會再出錯了。
參考了這個篇。修改一下就可以應(yīng)用到自己的模型啦。
//www.jb51.net/article/214214.htm
二、pytorch加載預(yù)訓(xùn)練模型遇到的問題：KeyError: ‘bn1.num_batches_tracked‘
最近在使用pytorch1.0加載resnet預(yù)訓(xùn)練模型時,遇到的一個問題，在此記錄一下。
KeyError: 'layer1.0.bn1.num_batches_tracked'
其實是使用的版本的問題，pytorch0.4.1之后在BN層加入了track_running_stats這個參數(shù),
這個參數(shù)的作用如下：
訓(xùn)練時用來統(tǒng)計訓(xùn)練時的forward過的min-batch數(shù)目,每經(jīng)過一個min-batch, track_running_stats+=1
如果沒有指定momentum, 則使用1/num_batches_tracked 作為因數(shù)來計算均值和方差(running mean and variance).
其實,這個參數(shù)沒啥用.但因為官方提供的預(yù)訓(xùn)練模型是pytorch0.3版本訓(xùn)練出來的,因此沒有這個參數(shù).
所以,只要過濾一下預(yù)訓(xùn)練權(quán)重字典中的關(guān)鍵字即可,‘num_batches_tracked'.代碼例子,如下.
有問題的代碼：
def load_specific_param(self, state_dict, param_name, model_path):
param_dict = torch.load(model_path)
for i in state_dict:
key = param_name + '.' + i
state_dict[i].copy_(param_dict[key])
del param_dict
對'num_batches_tracked進行過濾：
def load_specific_param(self, state_dict, param_name, model_path):
param_dict = torch.load(model_path)
param_dict = {k: v for k, v in param_dict.items() if 'num_batches_tracked' not in k}
for i in state_dict:
key = param_name + '.' + i
if 'num_batches_tracked' in key:
continue
state_dict[i].copy_(param_dict[key])
del param_dict
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:- Pytorch通過保存為ONNX模型轉(zhuǎn)TensorRT5的實現(xiàn)
- pytorch_pretrained_bert如何將tensorflow模型轉(zhuǎn)化為pytorch模型
- pytorch模型的保存和加載、checkpoint操作
- PyTorch 如何檢查模型梯度是否可導(dǎo)
- pytorch 預(yù)訓(xùn)練模型讀取修改相關(guān)參數(shù)的填坑問題
- PyTorch模型轉(zhuǎn)TensorRT是怎么實現(xiàn)的?
