paddle复现pytorch踩坑(十一）：转换pytorch预训练模型

直接上代码解释预训练模型的转换过程，需要注意：
（1）若想完全转换pytorch模型，可直接转
（2）若想转换预训练模型，即包含权重不包含全连接层，则舍弃全连接层的部分即可
（3）如遇数据维度不对，需要对权重进行转置

环境：
pytorch 1.1.0
paddlepaddle 1.8.4

import torch
import paddle.fluid as fluid
from collections import OrderedDict
from model import ResNet3D

torch_weight = torch.load('r3d50_KM_200ep.pth', map_location=torch.device('cpu'))
# 全连接1039
weight = []
for torch_key in torch_weight['state_dict'].keys():
    weight.append([torch_key,torch_weight['state_dict'][torch_key].detach().numpy()])

with fluid.dygraph.guard():
    # 加载网络结构
    paddle_model = ResNet3D.generate_model(50)

    # 读取paddle网络结构的参数列表
    paddle_weight = paddle_model.state_dict()
    
    # 将paddle权重的参数列表打印出来
    for paddle_key in paddle_weight:
        print(paddle_key)

    # 进行模型参数转换
    new_weight_dict = OrderedDict()

    i = 0
    for paddle_key in paddle_weight.keys():
        print(paddle_key)
        if 'num_batches_tracked' in weight[i][0]:
            i += 1
        if weight[i][0].find('fc'):
            new_weight_dict[paddle_key] = weight[i][1]
        else:
            new_weight_dict[paddle_key] = weight[i][1].T
        i += 1

    paddle_model.set_dict(new_weight_dict)
    fluid.dygraph.save_dygraph(paddle_model.state_dict(),'model/res50')