PYtorch调用保存的模型报错

最新推荐文章于 2023-05-06 21:12:19 发布
最新推荐文章于 2023-05-06 21:12:19 发布
阅读量798 收藏
点赞数
分类专栏： 报错解决 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43697478/article/details/107100867
版权

AttributeError: Can’t get attribute ‘Net’ on <module ‘main’>

看网上 没有 正确直接的回复
源代码

在这里插入图片描述
然后 我调用 时
在这里插入图片描述
就报了上面的错
然后 我修改 源代码为
在这里插入图片描述

原因分析：就是 python 有个__main__ 函数 在最后 表示 当前文件为主程序时 才执行 把它删掉 保存模型 就可以了 但我 仍然奇怪的是 这句话 和 为什么 会导致这个报错 感觉模型是保存了整个模型代码 不单是 网络部分

在这里插入图片描述
又报错了
上面说的 不对

小白丞丞
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch 保存模型生成图片方式
09-18
今天小编就为大家分享一篇Pytorch 保存模型生成图片方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
解决pytorch-yolov3 train 报错的问题
09-17
今天小编就为大家分享一篇解决pytorch-yolov3 train 报错的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Pytorch之保存读取模型实例
12-23
pytorch保存数据 pytorch保存数据的格式为.t7文件或者.pth文件，t7文件是沿用torch7中读取模型权重的方式。而pth文件是python中存储文件的常用格式。而在keras中则是使用.h5文件。 # 保存模型示例代码 print('===> Saving models...') state = { 'state': model.state_dict(), 'epoch': epoch # 将epoch一并保存 } if not os.path.isdir('checkpoint'): os.mkdir('checkpoint') torch.
pytorch masked_fill报错的解决
09-17
今天小编就为大家分享一篇pytorch masked_fill报错的解决，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
【PyTorch】AttributeError: Can't get attribute 'BCNN'
ncc1995的博客
08-13 8496
错误：AttributeError: Can't get attribute 'BCNN' on <module '__main__' from ' 今天在服务器上训练好一个网络，用torch.save(model, 'net.pkl')将模型和参数一并保存了起来，方便在自己电脑上测试。 把保存的模型下载下来进行测试的时候发现报了上述错误。 原来保存下来的模型和参数不能在没有类定义时直...
AttributeError: Can't get attribute 'Net' on module '__main__'
热门推荐
baidu_36639782的博客
01-31 3万+
在使用pytorch加载模型时报错： torch.save(old_model, PATH) new_model = torch.load(PATH) AttributeError: Can't get attribute 'Net' on &lt;module '__main__'&gt;   解决办法： 1、将类的定义添加到加载模型的这个py文件中，这个方法有点。。。 2、使用官...
torch.load 出现 AttributeError: Can‘t get attribute ‘Net‘ on module ‘__main__‘
一扣解千愁的博客
09-01 1万+
torch.load 出现 AttributeError: Can't get attribute 'Net' on module '__main__'问题解决方案 问题 最近，将已经训练好的模型保存下来后，通过torch.load(model_path)方法读取时，发现没办法正常运行，抛出如下错误： AttributeError: Can't get attribute 'Net' on module '__main__' 我直接好家伙，骂骂咧咧去搜为啥。 报错原因： torch.load()方法所
pytorch中出现AttributeError: Can‘t get attribute ‘Net‘ on ＜module ‘__main__‘＞错误
python_innocent的博客
01-29 1984
深度学习中的模型应用报错处理
解决AttributeError: Can‘t get attribute ‘VggNet‘ on ＜module ‘__main__‘ from ‘main.py‘＞
CSDN 精品推荐
04-04 437
在Kaggle平台上使用GPU训练好模型，然后将模型保存，之后将模型下载到本地，然后使用torch.load('mode.pkl')进行读取出现AttributeError: Can't get attribute 'VggNet' on
AttributeError: Can‘t get attribute ‘Net‘ on module ‘__main__‘
ephram每天都想下班
01-18 6284
在使用pytorch深度学习框架的时候，我们加载预先训练好的完整pkl模型时，如果报错： AttributeError: Can't get attribute 'Net' on module '__main__' 此时我们应该在主函数内加载一个当时训练时的类，用于初始化神经网络，如下： # 加入：初始化 class Net(nn.Module): def __init__(self, hidden_layers=64): super(Net, self).__init__()
pytorch报错记录
qq_35985044的博客
10-07 5662
1.BUG: RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation. 什么是inplace operation：in-place operation在pytorch中是指改变一个tensor的值的时候，不经过复制操作...
PyTorch加载模型报错ModuleNotFoundError
Doodlera的博客
12-08 3362
没想到还有这样的坑。 在远程服务器使用PyTorch训练好模型后，使用torch.save(local_model, file_name, _use_new_zipfile_serialization=False)将模型保存，原以为这种保存方法可以将模型结构和参数一起保存。但是本地torch.load报错：ModuleNotFoundError: No module named '***'（并没有显式导入模型结构）。 经过查阅，虽然是保存了模型结构，但仍然需要将“目录结构得和保存时一模一样”，具体来说就是模
PyTorch DDP模式的使用
laizi_laizi的博客
03-29 8903
PyTorch支持分布式训练，所以当你有多块卡时，肯定是想让你的代码能够使用multi-gpu进行training。 然后你会发现有两种选择摆在你面前： DP(torch.nn.DataParallel) 官方Tutorial 优点：修改的代码量最少，只要像这样model = nn.DataParallel(model)包裹一下你的模型就行了，想用的话可以看一下上面的官方Tutorial，非常简单 缺点：只适用single-machine multi-GPU(不过也已经适合大部分人使用了)，不适用mult
[Pytorch] DDP执行报错 RuntimeError: Expected to mark a variable ready only once.
weixin_42338988的博客
05-06 1161
在调试pytorch分布式DDP代码时，因为需要节省显卡内存，想要用checkpoint机制。网上搜索的多数解决方法都对应了里面的1)，即模型的某部分在逻辑顺序上被重复执行了，在检查代码之后未发现这一情况。
Pytorch中DDP ：The server socket has failed to bind to [::]:29500 (errno: 98 - Address already in use）
ZauberC的博客
10-20 2580
由于中途关闭DDP运行，从而没有释放DDP的相关端口号，显存占用信息，当下次再次运行DDP时，使用的端口号是使用的DDP默认的端口号，也即是29500，因此造成冲突。直接在nvidia-smi命令中kill掉一个相关进程，就能强迫程序停止DDP，从而DDP就会自动释放掉相应的端口号和占用的显卡资源。手动释放显存，kill -9 pid 相关显存占用的进程，关闭所有这个服务器打开的终端，从而就能释放掉前一个DDP占用的显存和端口号。
AttributeError: Can‘t get attribute ‘LeNet‘ on ＜module ‘__main__‘ from（pytorch加载模型报错）
weixin_43690520的博客
01-11 3238
AttributeError: Can’t get attribute ‘LeNet’ on <module ‘main’ from
pytorch加载模型时报错 AttributeError: Can‘t get attribute ‘CNN‘ on ＜module ‘__main__‘＞
qq_43750528的博客
04-21 1407
pytorch加载模型时报错 AttributeError: Can‘t get attribute ‘CNN‘ on ＜module ‘__main__‘＞
RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is Fal
qq_44936246的博客
08-16 1万+
RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.
pytorch 对loss的输入求导
最新发布
06-10
在PyTorch中，可以通过调用`backward()`方法来计算对loss的输入求导，即计算模型参数的梯度。这个方法会自动计算计算图中所有需要求导的节点的梯度，并将梯度保存在相应的张量的`.grad`属性中。 以下是一个简单的示例，假设我们有一个包含两个线性层的神经网络，输入为`x`，输出为`y`，然后我们想要计算对模型参数的梯度。 ```python import torch import torch.nn as nn # 定义神经网络模型 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.fc1 = nn.Linear(2, 3) self.fc2 = nn.Linear(3, 1) def forward(self, x): x = torch.relu(self.fc1(x)) x = self.fc2(x) return x # 创建神经网络模型 net = Net() # 随机生成输入x和标签y x = torch.randn(1, 2) y = torch.randn(1, 1) # 计算模型输出 y_pred = net(x) # 计算loss loss = nn.functional.mse_loss(y_pred, y) # 计算对模型参数的梯度 loss.backward() # 输出模型参数的梯度 print(net.fc1.weight.grad) print(net.fc1.bias.grad) print(net.fc2.weight.grad) print(net.fc2.bias.grad) ``` 这里我们首先定义了一个包含两个线性层的神经网络模型，并创建了一个实例`net`。然后我们随机生成一个输入`x`和对应的标签`y`。接着进行前向传播，计算模型输出`y_pred`，并计算对应的均方误差loss。最后调用`loss.backward()`方法，计算对模型参数的梯度。模型参数的梯度会保存在相应的张量的`.grad`属性中。 需要注意的是，调用`backward()`方法前需要确保计算图中所有需要求导的节点都已经被计算过，否则会报错。此外，如果需要多次计算梯度，需要在每次计算前先将梯度清零，可以通过调用`zero_grad()`方法实现。

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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