如何在pytorch中解决state_dict()的拷贝问题

如何在PyTorch中解决state_dict()的拷贝问题？很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

model.state_dict()是浅拷贝，返回的参数仍然会随着网络的训练而变化。

应该使用deepcopy(model.state_dict())，或将参数及时序列化到硬盘。

再讲故事，前几天在做一个模型的交叉验证训练时，通过model.state_dict()保存了每一组交叉验证模型的参数，后根据效果选择准确率最佳的模型load回去，结果每一次都是最后一个模型，从地址来看，每一个保存的state_dict()都具有不同的地址，但进一步发现state_dict()下的各个模型参数的地址是共享的，而我又使用了in-place的方式重置模型参数，进而导致了上述问题。

补充：pytorch中state_dict的理解

在PyTorch中，state_dict是一个python字典对象（在这个有序字典中，key是各层参数名，value是各层参数），包含模型的可学习参数(即权重和偏差，以及bn层的的参数） 优化器对象(torch.optim）也具有state_dict，其中包含有关优化器状态以及所用超参数的信息。

其实看了如下代码的输出应该就懂了

import torchimport torch.nn as nnimport torchvisionimport numpy as npfrom torchsummary import summary# Define modelclass TheModelClass(nn.Module):  def __init__(self):    super(TheModelClass, self).__init__()    self.conv1 = nn.Conv2d(3, 6, 5)    self.pool = nn.MaxPool2d(2, 2)    self.conv2 = nn.Conv2d(6, 16, 5)    self.fc1 = nn.Linear(16 * 5 * 5, 120)    self.fc2 = nn.Linear(120, 84)    self.fc3 = nn.Linear(84, 10)  def forward(self, x):    x = self.pool(F.relu(self.conv1(x)))    x = self.pool(F.relu(self.conv2(x)))    x = x.view(-1, 16 * 5 * 5)    x = F.relu(self.fc1(x))    x = F.relu(self.fc2(x))    x = self.fc3(x)    return x# Initialize modelmodel = TheModelClass()# Initialize optimizeroptimizer = torch.optim.SGD(model.parameters(), lr=0.001, momentum=0.9)# Print model's state_dictprint("Model's state_dict:")for param_tensor in model.state_dict():  print(param_tensor,"\t", model.state_dict()[param_tensor].size())# Print optimizer's state_dictprint("Optimizer's state_dict:")for var_name in optimizer.state_dict():  print(var_name, "\t", optimizer.state_dict()[var_name])

输出如下：

Model's state_dict:conv1.weight  torch.Size([6, 3, 5, 5])conv1.bias  torch.Size([6])conv2.weight  torch.Size([16, 6, 5, 5])conv2.bias  torch.Size([16])fc1.weight  torch.Size([120, 400])fc1.bias  torch.Size([120])fc2.weight  torch.Size([84, 120])fc2.bias  torch.Size([84])fc3.weight  torch.Size([10, 84])fc3.bias  torch.Size([10])Optimizer's state_dict:state  {}param_groups  [{'lr': 0.001, 'momentum': 0.9, 'dampening': 0, 'weight_decay': 0, 'nesterov': False, 'params': [2238501264336, 2238501329800, 2238501330016, 2238501327136, 2238501328576, 2238501329728, 2238501327928, 2238501327064, 2238501330808, 2238501328288]}]

我是刚接触深度学西的小白一个，希望大佬可以为我指出我的不足，此博客仅为自己的笔记！！！！

补充：pytorch保存模型时报错***object has no attribute 'state_dict'

定义了一个类BaseNet并实例化该类：

net=BaseNet()

保存net时报错 object has no attribute 'state_dict'

torch.save(net.state_dict(), models_dir)

原因是定义类的时候不是继承nn.Module类，比如：

class BaseNet(object):  def __init__(self):

把类定义改为

class BaseNet(nn.Module):  def __init__(self):    super(BaseNet, self).__init__()

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注编程网精选频道，感谢您对编程网的支持。