载入模型错误：AttributeError: Can‘t get attribute ‘CNN‘ on ＜module ‘__main__‘ from XXXX

AttributeError: Can't get attribute 'CNN' on <module '__main__' from XXX

这个错误是由于保存模型中，有CNN类的序列化导致的，我在网上也看了好多教程，方法各种各样（但有的不可行），总结一下：

（本人没有系统学过python，属于边用边学，有错误的话欢迎指正，序列化的话我在Java中学过，但相信原理都是相通的）

---

先说一下，我出现这个原因的时候，CNN构建的写法：

1、我在cnn_model.py文件中构建了一个CNN类，也就是卷积神经网络的架构

2、在类CNN的下面，我实体化了一个model = CNN(xxxx)，然后利用数据集进行训练和测试

3、接下来我想弄出一个界面，我在gui.py文件中写出来了界面，但是我发现每次运行这个界面就需要训练一次模型，因此我想保存下来这个模型

4、我在cnn_model.py中使用torch.save()保存整个模型，然后在gui.py中用torch.load()加载

很好！！！Bug产生了

---

解决方式：（建议先看一下我的CNN构建写法）

• 将CNN类单独放一个文件
• 在另一个文件中训练和测试模型，然后保存模型即可。
• 也就是有的教程说的代码纯净化

1、也有教程说，将CNN类的定义显性声明在gui.py文件中（即将CNN的类再抄一遍），然后再torch.load()加载，亲测我这不可行。

        看到一个最好的解释就是加载模型需要序列化类CNN，而CNN的定义后面还有很多代码的话，CNN类的序列化就不会单独产生，这样就导致加载模型的时候找不到CNN的序列化，报错。

        而显性定义为什么不可行，用Java中的原理就是，新的CNN与模型中的CNN虽然长的一样，但是序列号不一样（即身份证号不一样），因此不被识别

2、也有一种解决办法说，import Class将这个类CNN导入，但是！！！如果此时CNN类定义的文件中还有训练的代码的话，相当于会再次训练，这样就违背了我想保存模型的初衷。

3、也有推荐保存模型参数而不是整个模型的，说保存整个模型非常容易出错，但由于我训练的这个模型比较小，我暂时没有尝试。

但是在加载模型参数的时候，需要先实例化整个模型，这样还是要import Class，结果无差。

4、但是我参考的一个教程代码，其将CNN定义和模型训练写一块的，居然不报错！！！

可能还有更多需要注意的，欢迎指正

总结：写CNN模型的时候还是要养成一个好习惯，不要将训练代码和模型定义写一块！！！