解決Pytorch修改預訓練模型時遇到key不匹配的情況

一、Pytorch修改預訓練模型時遇到key不匹配

最近想著修改網絡的預訓練模型vgg.pth,但是發現當我加載預訓練模型權重到新建的模型並保存之後。

在我使用新賦值的網絡模型時出現瞭key不匹配的問題

#加載後保存(未修改網絡)
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參數為”0.weight”, “0.bias”,但是經過加載保存之後變為瞭”vgg.0.weight”, “vgg.0.bias”

我認為是因為本身的模型定義文件裡self.vgg = nn.ModuleList(base)這一句。

現在的問題是因為自己定義保存的模型key參數多瞭一個前綴。

可以通過如下語句進行修改,並加載

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.`,即隻取vgg.0.weights的後面幾位
    new_state_dict[name] = v 
    ssd_net.vgg.load_state_dict(new_state_dict) 

此時就不會再出錯瞭。

參考瞭這個篇。修改一下就可以應用到自己的模型啦。

//www.jb51.net/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之後在BN層加入瞭track_running_stats這個參數,

這個參數的作用如下:

訓練時用來統計訓練時的forward過的min-batch數目,每經過一個min-batch, track_running_stats+=1

如果沒有指定momentum, 則使用1/num_batches_tracked 作為因數來計算均值和方差(running mean and variance).

其實,這個參數沒啥用.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.

所以,隻要過濾一下預訓練權重字典中的關鍵字即可,‘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

以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。