PyTorch模型转TorchScript实战：一步步教你完成转换

最近入坑了PyTorch，在学习PyTorch Mobile的安卓部分。要想将训练好模型迁移到手机上使用，需要将模型转化为TorchScript，它是PyTorch模型（子类nn.Module）的中间表示，可以在高性能环境（例如C ++）中运行。

转换的方法有两种，一种是通过追踪转换另一中是通过注释转换，本文使用的是通过追踪转换的方法。

---

import torch
import torchvision
import torch.nn as nn

# 加载模型（根据自己模型修改结构和参数）
model_ft = torchvision.models.mobilenet_v2()
num_ftrs = model_ft.classifier[1].in_features
model_ft.classifier[1] = nn.Linear(num_ftrs, 2, bias=True)
model_ft.load_state_dict(torch.load('/home/well/0.94118mobilenet.pt'))
model_ft.eval()

# 给模型的forward()方法一个示例输入
example = torch.rand(1, 3, 224, 224)
traced_script_module = torch.jit.trace(model_ft, example)
# 保存模型
traced_script_module.save("/home/well/model.pt")

print("Finished Transformation")

---

RuntimeError: Error(s) in loading state_dict for MobileNetV2:

Missing key(s) in state_dict: “features.0.0.weight”, … （这里表示在state_dict中找不到这些参数）

Unexpected key(s) in state_dict: “module.features.0.0.weight”, …（预料外的参数）

从上面的错误信息中可以发现：这话是参数不匹配的问题，我们传入模型的参数格式是module.features.XXX而模型需要的参数格式是features.XXX。

经过一番查找研究后发现：原因是在多GPU训练的时候，nn.DataParallel(model)对模型进行了包装，所以使用model.state_dict()保存模型，保存的参数格式是module.features.XXX；而我们在转换的过程中加载模型参数的格式的features.XXX，所以报错。

---

解决方法：在训练的时候使用

model.module.state_dict()

代替原来的

model.state_dict()

保存模型，这样我们就可以将PyTorch模型转换为TorchScript格式。

得到的TorchScript模型：