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本站。

美國穩(wěn)定服務(wù)器

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。