解决 KeyError:'val_mean_absolute_error'

小白踩坑日记002

今天尝试了Boston_housing数据集的多元回归分析

一切都很顺利

只遇到了KeyError:‘val_mean_absolute_error’

搜索了一下 居然没有合适的解答

没办法 一遍一遍的看代码 试图寻找突破点

源代码 如下:

num_epochs=500
all_mae_histories=[]
for i in range(k):
print(‘processing fold #’,i)
val_data=train_data[i*num_val_samples:(i+1)num_val_samples]
val_targets=train_targets[i
num_val_samples:(i+1)*num_val_samples]

partial_train_data=np.concatenate([train_data[:i*num_val_samples],train_data[(i+1)num_val_samples:]],axis=0)
partial_train_targets=np.concatenate([train_targets[:i
num_val_samples],train_targets[(i+1)*num_val_samples:]],axis=0)
model =build_model()
history=model.fit(partial_train_data,partial_train_targets,validation_data=(val_data,val_targets),epochs=num_epochs,batch_size=1,verbose=0)
mae_history=history.history[‘val_mean_abso

  • 24
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 18
    评论
根据提供的引用内容,报错信息是"KeyError: 'state_dict_best'"。根据引用\[1\]和引用\[3\]的代码片段,可以看出在加载模型时出现了键错误。这可能是由于加载的权重文件中缺少了名为"state_dict_best"的键。为了解决这个问题,可以尝试以下几种方法: 1. 检查权重文件:确保权重文件中存在名为"state_dict_best"的键。如果不存在,可能需要重新下载或获取正确的权重文件。 2. 修改加载代码:根据引用\[2\]的代码片段,可以尝试修改加载模型的代码,使用正确的键来加载权重文件。例如,使用`torch.load("densenet169_rnn_fold_1_model_best_f1.pth.tar")\['state_dict'\]`来替换`torch.load("densenet169_rnn_fold_1_model_best_f1.pth.tar")\['state_dict_best'\]`。 3. 使用strict=False参数:根据引用\[3\]的代码片段,可以尝试在加载模型时使用`strict=False`参数,以允许加载过程中出现未知键的情况。例如,使用`model.load_state_dict(torch.load(weights, map_location=device)\['model'\], strict=False)`来替换`model.load_state_dict(torch.load(weights, map_location=device)\['model'\], strict=True)`。 请根据具体情况选择适合的解决方法来解决报错问题。 #### 引用[.reference_title] - *1* *2* *3* [Missing key(s) in state_dict | unexpected_keys | 模型加载 [torch.load] 报错【解决方案】](https://blog.csdn.net/sinat_28442665/article/details/120451762)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 18
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值