解决pytorch 保存模型遇到的问题
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(model,save_path) 改为 torch.save(model.state_dict(),save_path)
然后载入模型也做相应的更改就好了
补充：pytorch训练模型的一些坑
1. 图像读取
opencv的python和c++读取的图像结果不一致，是因为python和c++采用的opencv版本不一样，从而使用的解码库不同，导致读取的结果不同。
2. 图像变换
PIL和pytorch的图像resize操作，与opencv的resize结果不一样，这样会导致训练采用PIL，预测时采用opencv，结果差别很大，尤其是在检测和分割任务中比较明显。
3. 数值计算
pytorch的torch.exp与c++的exp计算，10e-6的数值时候会有10e-3的误差，对于高精度计算需要特别注意，比如
两个输入5.601597， 5.601601， 经过exp计算后变成270.85862343143174， 270.85970686809225
以上为个人经验，希望能给大家一个参考，也希望大家多多支持小牛知识库。如有错误或未考虑完全的地方，望不吝赐教。
-
本文向大家介绍解决Pytorch 加载训练好的模型 遇到的error问题，包括了解决Pytorch 加载训练好的模型 遇到的error问题的使用技巧和注意事项，需要的朋友参考一下 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
-
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
-
本文向大家介绍解决pytorch 数据类型报错的问题，包括了解决pytorch 数据类型报错的问题的使用技巧和注意事项，需要的朋友参考一下 pytorch报错： RuntimeError: Expected object of type Variable[torch.LongTensor] but found type Variable[torch.cuda.ByteTensor] for arg
-
本文向大家介绍解决pytorch 的state_dict()拷贝问题，包括了解决pytorch 的state_dict()拷贝问题的使用技巧和注意事项，需要的朋友参考一下 先说结论 model.state_dict()是浅拷贝，返回的参数仍然会随着网络的训练而变化。 应该使用deepcopy(model.state_dict())，或将参数及时序列化到硬盘。 再讲故事，前几天在做一个模型的交叉验证
-
本文向大家介绍解决Pycharm 中遇到Unresolved reference 'sklearn'的问题，包括了解决Pycharm 中遇到Unresolved reference 'sklearn'的问题的使用技巧和注意事项，需要的朋友参考一下 解决方法： 在编程过程中，遇到很多错误，提示都是unresolved reference，在进行先关搜素后，从stackoverflow上的相关问题得到
-
本文向大家介绍解决pytorch DataLoader num_workers出现的问题，包括了解决pytorch DataLoader num_workers出现的问题的使用技巧和注意事项，需要的朋友参考一下 最近在学pytorch,在使用数据分批训练时在导入数据是使用了 DataLoader 在参数 num_workers的设置上使程序出现运行没有任何响应的结果 ，看看代码 （以上代码取莫烦p