加载部分预训练参数方法【解决报错】IndexError：list index out of range

【学习参考】Pytorch 加载、查看预训练模型参数、使用部分预训练模型参数初始化网络

• 取出自己网络的参数字典   
• 加载预训练网络的参数字典                               
• 取出预训练网络的参数字典
• 自己网络和预训练网络结构一致的层，使用预训练网络对应层的参数初始化

# 取出自己网络的参数字典
model_dict = model.state_dict()     

# 加载预训练网络的参数字典                               
pretrained_dict = torch.load("xxxxxx.pth")

# 取出预训练网络的参数字典
keys = []
for k, v in pretrained_dict.items():
       keys.append(k)
i = 0
 
# 自己网络和预训练网络结构一致的层，使用预训练网络对应层的参数初始化
for k, v in model_dict.items():
    if v.size() == pretrained_dict[keys[i]].size():
         model_dict[k] = pretrained_dict[keys[i]]
         #print(model_dict[k])
         i = i + 1
model.load_state_dict(model_dict)

2【报错】IndexError：list index out of range

检查list len（）发现新创建的模型参数有898；预训练的模型参数有368 。

 思路：反过来遍历！

# 取出自己网络的参数字典
model_dict = model.state_dict()     

# 加载预训练网络的参数字典                               
pretrained_dict = torch.load("xxxxxx.pth")

# 取出预训练网络的参数字典
keys = []
for k, v in pretrained_dict.items():
       keys.append(k)
i = 0
 
# 自己网络和预训练网络结构一致的层，使用预训练网络对应层的参数初始化
for k, v in model_dict.items():
    if v.size() == model_dict[keys[i]].size():
         model_dict[keys[i]]=pretrained_dict[k] 
         #print(model_dict[k])
         i = i + 1
model.load_state_dict(model_dict)

3 其他的调用的方式

if path is not None:
     self.load(path)

import torch

class BaseModel(torch.nn.Module):
    # path为pt文件路径：
    def load(self, path):
        """Load model from file.

        Args:
            path (str): file path
        """
        parameters = torch.load(path, map_location=torch.device("cpu"))

        if "optimizer" in parameters:
            parameters = parameters["model"]

        self.load_state_dict(parameters)