如何将pytorch-lightning训练的结果ckpt转为pytorch的pt？

# 寒冬已至，昼短苦夜长。

一 简单展示一下我是怎么保存lightning

from pytorch_lightning.callbacks import ModelCheckpoint

# # 定义 ModelCheckpoint 回调
checkpoint_callback = ModelCheckpoint(
    monitor='valid_f1',  # 监控的指标，可以是训练中的任何指标
    dirpath=f'logs/{suf}/',  # 指定保存模型参数的目录
    filename='model-{epoch:02d}-{valid_f1:.3f}',  # 模型参数文件名的格式
    save_top_k=3,  # 保存最佳的模型参数
    mode='max',
    save_last=True,
    save_weights_only=True, # 仅保存模型的权重参数
)
trainer = pl.Trainer(
    benchmark=True,
    accelerator="gpu",
    logger=logger,
    # devices=2,
    max_epochs=nb_epochs,
    # precision='16-mixed',
    accumulate_grad_batches=8,
    enable_checkpointing=True,
    callbacks=[checkpoint_callback],#<------ 这里
)

我是怎么在绝望中前行的

a = torch.load('model-47.pth') #OrderedDict,pytorch
b = torch.load('model-24.ckpt') #OrderedDict,lightning

# 查看
for i in a:
    print(i)
    break
------
output:Convolution.0.weight
======
for j in b:
    print(j)
-------
epoch
global_step
pytorch-lightning_version
state_dict<------ 这里
loops
======
for j in b['state_dict']:
    print(j)
------
output:net.Convolution.0.weight

“net.”是由于我定义pl模型的时候弄的，改模型太累，改字典很轻松

# 创建一个新的模型状态字典
new_state_dict = {}

# 遍历b中的键
for b_key, b_value in c['state_dict'].items():
    # 删除键中的'net.'部分
    new_key = b_key.replace('net.', '')
    
    # 使用新的键来保存值
    new_state_dict[new_key] = b_value

# 将新的状态字典保存到一个新的文件
torch.save(new_state_dict, 'model_20.pt')

# 也可以直接导入模型
network.load_state_dict('new_state_dict')

注：苦寻无果后，自己倒腾出来的。写文章不易，请点赞关注谢谢。

如何将pytorch-lightning训练的结果保存为xxx.pt？ - 知乎