解決Pytorch修改預訓練模型時遇到key不匹配的情況

更新時間：2021年06月05日 10:49:26 作者：月亮不禿頭

這篇文章主要介紹了解決Pytorch修改預訓練模型時遇到key不匹配的情況，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

一、Pytorch修改預訓練模型時遇到key不匹配

最近想著修改網(wǎng)絡的預訓練模型vgg.pth，但是發(fā)現(xiàn)當我加載預訓練模型權(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）
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)絡代替之前的預訓練模型
    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”.

說明之前的預訓練模型 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。修改一下就可以應用到自己的模型啦。

//chabaoo.cn/article/214214.htm

二、pytorch加載預訓練模型遇到的問題：KeyError: ‘bn1.num_batches_tracked‘

最近在使用pytorch1.0加載resnet預訓練模型時,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：

訓練時用來統(tǒng)計訓練時的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訓練模型是pytorch0.3版本訓練出來的,因此沒有這個參數(shù).

所以,只要過濾一下預訓練權(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腳本之家。

您可能感興趣的文章: