【pytorch】gpu训练的模型无法在cpu下使用问题解决

最近遇到一个问题，发下gpu训练的模型在cpu下不能跑，很难受。
结果发现原来是自己使用了DataParallel的问题，我保存的是整个模型。

model=DataParalle(model)
torch.save(‘xx.pkl’,model)

然后把模型copy到自己电脑上用cpu跑

model=torch.load(‘xx.pkl’)
#此处报错了。。。。

原因是cpu环境不能直接导入gpu训练的DataParallel模型

所以换个策略,现在gpu把模型转化掉

model = DataParallel(model)
…
real_model = model.module#这个才是你实际的模型，如果直接报错model的话，其实是保存了DataParallel(model)这个，这样会导致cpu环境下加载出错
torch.save(real_model,‘xxx.pkl’) #这样才是正确的保存模型方式，这样在cpu环境的模型才不会出错

其实还有一种方案，下面这种

model = torch.load(‘xxx.pkl’, map_location=lambda storage, loc: storage)
model = model.module#才是你的模型

#上面那种貌似已经过时了,0.4.0的新方式

model = torch.load(‘xxx.pkl’, map_location=‘cpu’)
model = model.module#才是你的模型