【踩坑】已解决 ModuleNotFoundError: No module named ‘models‘ 解决torch.load模型的问题，费时巨坑

最新推荐文章于 2025-05-05 18:31:56 发布

计算机Rookie

最新推荐文章于 2025-05-05 18:31:56 发布

阅读量1.6k

点赞数 4

文章标签：深度学习 python 神经网络目标检测机器学习 pytorch 算法

本文链接：https://blog.csdn.net/syu_acm/article/details/142859055

版权

问题场景：

当使用torch.load加载模型时，报错No module named ‘models’

在这里插入图片描述

解决方案：

解决思路

在网上查了很多资料说目录结构得和保存时一模一样，话虽如此，但一直没理解要怎么一样？
如图所示，我的模型是是v7模型结构，报错信息说缺失models_v7。因为训练时有这个模型目录结构，因此在加载时会加载模型所保存的结构，需要让加载的模型结构环境和训练的模型结构环境保持一致。

解决代码

cp -r models models_v7 添加一下所缺失的模型结构，最终解决该bug。

成功运行截图：
在这里插入图片描述

v7_detect.py代码如下

import argparse
import time
from pathlib import Path

import cv2
import torch
import torch.backends.cudnn as cudnn
from numpy import random

from models.experimental import attempt_load
from utils.datasets import LoadStreams, LoadImages
from utils.general import check_img_size, check_requirements, check_imshow, non_max_suppression, apply_classifier, \
    scale_coords, xyxy2xywh, strip_optimizer, set_logging, increment_path
from utils.plots import plot_one_box
from utils.torch_utils import select_device, load_classifier, time_synchronized, TracedModel


def detect(save_img=False):
    source, weights, view_img, save_txt, imgsz, trace = opt.source, opt.weights, opt.view_img, opt.save_txt, opt.img_size, not opt.no_trace
    save_img = not opt.nosave and not source.endswith('.txt')  # save inference images
    webcam = source.isnumeric() or source.endswith('.txt') or source.lower().startswith(
        ('rtsp://', 'rtmp://', 'http://', 'https://'))

    # Directories
    save_dir = Path(increment_path(Path(opt.project) / opt.name, exist_ok=opt.exist_ok))  # increment run
    (save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True)  # make dir

    # Initialize
    set_logging()
    print(f"devicessssssssssssss {
     opt.device}")
    device = select_device(opt.device)
    half = device.type != 'cpu'  # half precision only supported on CUDA

    # Load model
    model = attempt_load(weights, map_location=device)  # load FP32 model
    stride = int(model.stride.max())  # model stride
    imgsz = check_img_size(imgsz, s=stride)  # check img_size

    if trace:
        model = TracedModel(model, device, opt.img_size)

    if half:
        model.half()  # to FP16

    # Second-stage classifier
    classify = False
    if classify:
        modelc = load_classifier(name='resnet101', n=2)  # initialize
        modelc.load_state_dict(torch.load('weights/resnet101.pt', map_location=device)['model']).to(device).eval()

    # Set Dataloader
    vid_path, vid_writer = None, None
    if webcam:
        view_img = check_imshow()
        cudnn.benchm