torchvision中的预训练模型VGG16加载报错，关于pretrained和weights参数

Question

运行环境：
win系统，cuda11.8，python=3.10，pytorch=2.0.1，torchvision=0.15.2
运行代码：
python render.py -m output/gs_init/kitchen --sparse_view_num 4 --sh_degree 2 --init_pcd_name visual_hull_4 --white_background --skip_all --skip_train
报错界面：

网上的解决思路：从 torchvision 0.13开始，torchvision提供一个全新的多权重支持API (Multi-weight support API) ，支持将不同版本的权重参数文件加载到模型中。因此，加载预训练模型函数的参数从 pretrained = True 改为 weights=预训练模型参数版本 ，且旧版本的写法将在未来的torchvision 0.15版本中被Deprecated 。
我找到我这边加载函数，按照提示进行修改还是报错，是修改的位置错误，还是其他问题？

以上红色方框内，第二行注释的是原代码，第一行是修改后的代码

Answer 1

上午好☀️☀️☀️️
本答案参考ChatGPT-3.5

根据你提供的报错信息，是因为torchvision从0.13版本开始，对加载预训练模型的方式进行了更改，使用了新的Multi-weight支持API。因此，需要修改加载预训练模型的函数参数。

根据你提供的代码，可以看到预训练模型的加载部分是在PerceptualLoss类中的__init__函数中。你可以进行以下修改：

1. 将旧的pretrained参数修改为weights参数。
2. 将VGG16_Weights.IMAGENET1K_V1作为weights参数的值。

修改后的代码如下：

class PerceptualLoss(nn.Module):
    def __init__(self, use_dropout=True):
        super().__init__()
        self.scaling_layer = ScalingLayer()
        self.chns = [64, 128, 256, 512, 512]
        self.net = vgg16(weights=VGG16_Weights.IMAGENET1K_V1, requires_grad=False)
        self.Lin0 = NetLinLayer(self.chns[0], use_dropout=use_dropout)
        self.Lin1 = NetLinLayer(self.chns[1], use_dropout=use_dropout)
        self.Lin2 = NetLinLayer(self.chns[2], use_dropout=use_dropout)
        self.Lin3 = NetLinLayer(self.chns[3], use_dropout=use_dropout)
        self.Lin4 = NetLinLayer(self.chns[4], use_dropout=use_dropout)
        self.Load_from_pretrained()
        for param in self.parameters():
            param.requires_grad = False

解决方案：

1. 将旧的pretrained参数修改为weights参数。
2. 将VGG16_Weights.IMAGENET1K_V1作为weights参数的值。

注意：请确保VGG16权重参数文件存在，并正确设置了权重文件的路径。如果仍然报错，请检查所使用的权重参数版本是否正确。