解决Pytorch 加载训练好的模型 遇到的error问题
这是一个非常愚蠢的错误
debug的时候要好好看error信息
提醒自己切记好好对待error！切记！切记！
-----------------------分割线----------------
pytorch 已经非常友好了 保存模型和加载模型都只需要一条简单的命令
#保存整个网络和参数
torch.save(your_net, 'save_name.pkl')
#加载保存的模型
net = torch.load('save_name.pkl')
因为我比较懒我就想直接把整个网络都保存下来，然后在test文件中直接load一下不就好了？
就遭受了这样的错误。看错了error信息，把‘Net'看成‘net'。报错没有属性‘net'？这个不是我自己写的变量名么？
-----------------瞎捣鼓1h后（呵呵呵）----------------
回头看error，没有属性‘Net'，Net？？？
我当下明白过来，应该是test文件中没有把它import进来，test中就没有任何关于Net的信息。我直接把定义的Net复制进了test.py，就顺利加载了训练好的模型。
但是我也有一个疑问，我理解的把整个模型保存难道不是把它的结构都保存下来了么？为什么还要再把这个网络import一次？来自python、pytorch、面向对象编程三次元小白的疑惑，先存个疑，搞懂了再来回答。
接下来试试只保存网络参数
#只保存网络参数
torch.save(your_net.state_dict(), 'save_name.pkl')
#加载保存的模型
net.load_state_dict(torch.load('save_name.pkl'))
保存网络参数
重新定义网络
报错
想死。。。
仔细看了报错信息，以我小白的理解，我感觉保存下来的可能只是单纯的数据，而不是一个对象（没有方法可以操作），或者该对象没有.copy()方法，所以没有办法进行.copy()，那肯定是保存哪里出错了。然后发现保存部分代码写错了，改成
print一下 net.state_dict和net.state_dict()，前者输出的是网络结构，后者才是网络的参数。
试着回答之前的问题，第二种保存模型的方法只保存了网络的参数（包括卷积层和全连接层每次的weight,bias），所以再加载模型的时候需要先定义网络无可厚非，就像训练时候定义网络那样定义就可以；而第一种保存整个网络的方法，保存了一个网络的实例（包括它的所有结构和参数），net是Net的一个实例，那为什么还要有Class Net的定义呢，还是回答不了。。
那就继续存疑，保持探究精神吧。。
以上这篇解决Pytorch 加载训练好的模型 遇到的error问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
本文向大家介绍pytorch 使用加载训练好的模型做inference，包括了pytorch 使用加载训练好的模型做inference的使用技巧和注意事项，需要的朋友参考一下 前提： 模型参数和结构是分别保存的 1、 构建模型(# load model graph) model = MODEL() 2、加载模型参数(# load model state_dict) （解决RuntimeError:
-
本文向大家介绍解决pytorch 保存模型遇到的问题，包括了解决pytorch 保存模型遇到的问题的使用技巧和注意事项，需要的朋友参考一下 今天用pytorch保存模型时遇到bug Can't pickle <class 'torch._C._VariableFunctions'> 在google上查找原因，发现是保存时保存了整个模型的原因，而模型中有一些自定义的参数 将 torch.save(m
-
本文向大家介绍Pytorch加载部分预训练模型的参数实例，包括了Pytorch加载部分预训练模型的参数实例的使用技巧和注意事项，需要的朋友参考一下 前言 自从从深度学习框架caffe转到Pytorch之后，感觉Pytorch的优点妙不可言，各种设计简洁，方便研究网络结构修改，容易上手，比TensorFlow的臃肿好多了。对于深度学习的初学者，Pytorch值得推荐。今天主要主要谈谈Pytorch是
-
问题内容： 我想知道是否有可能保存经过部分训练的Keras模型并在再次加载模型后继续进行训练。 这样做的原因是，将来我将拥有更多的训练数据，并且我不想再次对整个模型进行训练。 我正在使用的功能是： 编辑1：添加了完全正常的示例 对于10个纪元后的第一个数据集，最后一个纪元的损失将为0.0748，精度为0.9863。 保存，删除和重新加载模型后，第二个数据集上训练的模型的损失和准确性分别为0.171
-
本文向大家介绍解决pytorch 模型复制的一些问题，包括了解决pytorch 模型复制的一些问题的使用技巧和注意事项，需要的朋友参考一下 直接使用 会出现当更新model2时，model1的权重也会更新，这和自己的初始目的不同。 经评论指出可以使用： 来实现深拷贝，手上没有pytorch环境，具体还没测试过，谁测试过可以和我说下有没有用。 原方法： 所有要使用模型复制可以使用如下方法。 这样编写
-
问题内容： 我想将使用gensim进行预训练的word2vec嵌入加载到PyTorch嵌入层中。 所以我的问题是，如何让gensim将嵌入权重加载到PyTorch嵌入层中。 提前致谢！ 问题答案： 我只是想报告我的发现，有关如何将gensim嵌入PyTorch。 PyTorch和更高版本的解决方案： 从那里有一个新功能，使嵌入嵌入变得非常舒适。这是文档中的示例。 gensim 的权重可以通过以下方