PyTorch加载模型错误

Question

我把在PyTorch框架下用torch.save()训练模型保存下来，但是我加载不了我保存下来的模型。
import torch
model=torch.load("xxx.pt)总是出现没有“model”的错误

Answer 1

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7596107
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：PyTorch模型保存torch.save()与加载torch.load()
• 你还可以看下pytorch参考手册中的 pytorch torch.nn到底是什么？
• 除此之外, 这篇博客: Pytorch——保存训练好的模型参数中的 2.torch.save(保存模型) 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 首先，先搭建一个神经网络

  import torch
  from torch import nn
  import matplotlib.pyplot as plt
  torch.manual_seed(11)    # 使每次得到的随机数是固定的。但是如果不加上torch.manual_seed这个函数调用的话，打印出来的随机数每次都不一样
  
  
  x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)  # [100] -> [100,1]
  y = x.pow(2) + 0.5*torch.rand(x.size())  # y的形状与x一样
  
  
  def make_and_save_model():
      
      network = torch.nn.Sequential(
          torch.nn.Linear(1, 8),
          torch.nn.ReLU(),
          torch.nn.Linear(8, 1)
      )
      optimizer = torch.optim.SGD(network.parameters(), lr=0.3)   #优化器
      criterion = torch.nn.MSELoss()     #损失函数
  
      # 训练
      for i in range(200):
          prediction = network(x)      #数据放入模型后得到预测值
          loss = criterion(prediction, y)    #计算预测值与真实值之间的误差
          optimizer.zero_grad()       #清空梯度
          loss.backward()           #误差反向传播
          optimizer.step()          #更新参数
      torch.save(network, 'network.pth')  # 保存整个网络
      torch.save(network.state_dict(), 'network_params.pth')   # 只保存网络中的参数
      
      plt.figure(1, figsize = (10,3))
      plt.subplot(131)
      plt.title('network')
      plt.scatter(x.data.numpy(), y.data.numpy())
      plt.plot(x.data.numpy(), prediction.data.numpy(), 'yo' , lw = 5)
      plt.pause(1)
  

• 以下回答由chatgpt基于相关博客总结生成:

  针对该问题，可能有以下几个原因导致无法成功加载模型： 1. 加载模型的路径错误； 2. 保存模型时出现了错误，导致模型文件已损坏； 3. 加载模型的代码存在问题，导致无法成功加载。

  针对这些可能的原因，可以采取以下方法逐一排查问题：

  1. 确认加载模型的路径是否正确，可以使用os.path.exists()方法检查文件是否存在；
  2. 确认保存模型时没有出现错误，可以查看保存模型时的输出信息或者捕获异常信息；
  3. 检查加载模型的代码是否正确，包括模型文件格式是否正确，是否使用了正确的模型加载方法等。

  具体的代码示例如下：

  import torch
  
  # 加载模型的路径
  MODEL_DIR = './model.pt'
  
  def load_model():
      if not os.path.exists(MODEL_DIR):
          print('模型文件不存在！')
          return None
      # 加载模型文件
      try:
          model = torch.load(MODEL_DIR)
      except Exception as e:
          print(f'加载模型失败，错误信息：{e}')
          return None
      return model
  
  # 在主函数中调用加载模型的方法
  if __name__ == '__main__':
      # 加载模型
      model = load_model()
      if model is None:
          print('无法加载模型！')
      else:
          # 对加载的模型进行测试等操作
          pass
  

  针对第三种可能的问题，如果确信模型文件格式正确且加载代码没有误，可以尝试使用其他的模型加载方法，例如按照state_dict方式加载：

  import torch
  
  # 加载模型的路径
  MODEL_DIR = './model.pth'
  
  def load_model():
      if not os.path.exists(MODEL_DIR):
          print('模型文件不存在！')
          return None
      # 加载模型文件
      try:
          # 使用state_dict方式加载
          model = torch.nn.Sequential(
              torch.nn.Linear(1, 8),
              torch.nn.ReLU(),
              torch.nn.Linear(8, 1)
          )
          checkpoint = torch.load(MODEL_DIR)
          model.load_state_dict(checkpoint)
      except Exception as e:
          print(f'加载模型失败，错误信息：{e}')
          return None
      return model
  
  # 在主函数中调用加载模型的方法
  if __name__ == '__main__':
      # 加载模型
      model = load_model()
      if model is None:
          print('无法加载模型！')
      else:
          # 对加载的模型进行测试等操作
          pass