深度学习 加载网络参数遇到 Missing key(s)

在测试该作者的去雾网络的预训练模型,代码链接:https://github.com/yangyiliu21/ntire2023_ITBdehaze

出现如下问题:

RuntimeError: Error(s) in loading state_dict for DataParallel:
Missing key(s) in state_dict: "module.feature_extract.encoder. patch_ embed.proj.weight"

加载网络预训练模型失败,根据项目issue板块的作者回答:

打印了模型的keys,发现模型keys=(epoch, model_state_dict)。

原有加载代码为:

MyEnsembleNet.load_state_dict(torch.load(args.ckpt_path))

修改后:

MyEnsembleNet.module.load_state_dict(torch.load(args.ckpt_path)['model_state_dict'])

模型加载成功。

总结

发现模型加载失败出现missing key问题,最好先打印一下模型的key。

  • 6
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
回答: 当出现"Missing key(s) in state_dict"的错误时,通常是因为加载的模型参数与当前模型的结构不匹配。这可能是由于模型结构的更改或者加载的模型参数与当前模型的层数不一致导致的。为了解决这个问题,你可以尝试以下几种方法: 1. 检查模型结构: 确保加载的模型参数与当前模型的结构相匹配。可以通过打印模型的结构和加载的模型参数来进行比较,看是否存在不匹配的情况。 2. 修改加载的模型参数: 如果加载的模型参数与当前模型的不匹配,你可以通过修改加载的模型参数来解决。可以使用字典的方式将加载的模型参数替换为当前模型的,然后再加载模型参数。 3. 部分加载模型参数: 如果只需要加载模型的部分参数,可以使用load_state_dict()函数的strict参数设置为False。这样可以忽略掉一些缺失的,只加载匹配的。 综上所述,当出现"Missing key(s) in state_dict"的错误时,你可以通过检查模型结构、修改加载的模型参数或者部分加载模型参数来解决这个问题。 #### 引用[.reference_title] - *1* *3* [RuntimeError: Error(s) in loading state_dict for Model: Missing key(s) in state_dict](https://blog.csdn.net/longshaonihaoa/article/details/120770446)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [Missing key(s) in state_dict](https://blog.csdn.net/AbyssssssssssS/article/details/128604662)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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