調(diào)錯(cuò)日記|apex安裝、pytorch載入模型報(bào)錯(cuò)

apex安裝問題

apex不能直接使用pip install來安裝,用這種方式安裝之后會(huì)報(bào)錯(cuò)惑淳。具體應(yīng)該使用下面的方法:

git clone https://github.com/NVIDIA/apex
cd apex
python setup.py install

用這個(gè)方法的時(shí)候,需要提前安裝git饺窿,下載 Git網(wǎng)址 :https://git-scm.com/download/win
沒有什么特殊要求可以直接點(diǎn)擊next汛聚,安裝完成之后在系統(tǒng)變量里面添加git的path
環(huán)境變量的配置參考其他文章

到這里就解決了apex安裝的問題。

pytorch載入模型報(bào)錯(cuò)

使用load_state_dict()載入模型時(shí)出現(xiàn)missing...... unexpected......錯(cuò)誤短荐,這個(gè)錯(cuò)誤相當(dāng)于說模型參數(shù)不匹配倚舀,pytorch中模型參數(shù)是使用orderDict保存的,可以先將模型中的key值輸出忍宋,觀察兩個(gè)之間的區(qū)別痕貌。

params = model.state_dict()? #獲得模型的原始狀態(tài)以及參數(shù)。
for k, vin params.items():
????print(k)

state_dict = torch.load(opt.model_path)
for k, vin state_dict.items():
????print(k)

部分情況是僅僅只是key值多了或者少了糠排,減去或者加上即可舵稠。我這里舉個(gè)少了resnet.的例子,遇到這種情況入宦,這樣處理即可:

state_dict = torch.load(opt.model_path)
new_state_dict = OrderedDict()
for k, vin state_dict.items():
????name ='resnet.' + k
????new_state_dict[name] = v

model.load_state_dict(new_state_dict, strict=False)

在這里load_state_dict()函數(shù)里指定了strict=False哺徊,這個(gè)參數(shù)可以在將原本訓(xùn)練好的模型遷移到新模型上,實(shí)際上它是直接忽略那些沒有的dict乾闰,有相同的就復(fù)制落追,沒有就直接放棄賦值,即忽略報(bào)錯(cuò)涯肩。

然而在我調(diào)了這么多之后轿钠,發(fā)現(xiàn)載入的模型根本就是錯(cuò)的巢钓,所以才會(huì)匹配不上。最終是在github上找到了pre-trained model疗垛。這里有點(diǎn)坑症汹,按作者在github上的說明一步一步看下來,有一句After download pre-trained model and datasets贷腕,因?yàn)檫@個(gè)after背镇,直接就沒有往后面看而是往這一句話的前面找pre-trained model。萬萬沒想到作者放在了后面泽裳。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末瞒斩,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子诡壁,更是在濱河造成了極大的恐慌,老刑警劉巖荠割,帶你破解...
    沈念sama閱讀 212,686評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件妹卿,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡蔑鹦,警方通過查閱死者的電腦和手機(jī)夺克,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,668評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來嚎朽,“玉大人铺纽,你說我怎么就攤上這事∮慈蹋” “怎么了狡门?”我有些...
    開封第一講書人閱讀 158,160評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)锅很。 經(jīng)常有香客問我其馏,道長(zhǎng),這世上最難降的妖魔是什么爆安? 我笑而不...
    開封第一講書人閱讀 56,736評(píng)論 1 284
  • 正文 為了忘掉前任叛复,我火速辦了婚禮,結(jié)果婚禮上扔仓,老公的妹妹穿的比我還像新娘褐奥。我一直安慰自己,他們只是感情好翘簇,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,847評(píng)論 6 386
  • 文/花漫 我一把揭開白布撬码。 她就那樣靜靜地躺著,像睡著了一般版保。 火紅的嫁衣襯著肌膚如雪耍群。 梳的紋絲不亂的頭發(fā)上义桂,一...
    開封第一講書人閱讀 50,043評(píng)論 1 291
  • 那天,我揣著相機(jī)與錄音蹈垢,去河邊找鬼慷吊。 笑死,一個(gè)胖子當(dāng)著我的面吹牛曹抬,可吹牛的內(nèi)容都是我干的溉瓶。 我是一名探鬼主播,決...
    沈念sama閱讀 39,129評(píng)論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼谤民,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼堰酿!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起张足,我...
    開封第一講書人閱讀 37,872評(píng)論 0 268
  • 序言:老撾萬榮一對(duì)情侶失蹤触创,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后为牍,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體哼绑,經(jīng)...
    沈念sama閱讀 44,318評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,645評(píng)論 2 327
  • 正文 我和宋清朗相戀三年碉咆,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了抖韩。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,777評(píng)論 1 341
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡疫铜,死狀恐怖茂浮,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情壳咕,我是刑警寧澤席揽,帶...
    沈念sama閱讀 34,470評(píng)論 4 333
  • 正文 年R本政府宣布,位于F島的核電站谓厘,受9級(jí)特大地震影響驹尼,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜庞呕,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 40,126評(píng)論 3 317
  • 文/蒙蒙 一新翎、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧住练,春花似錦地啰、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,861評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至盏混,卻和暖如春蔚鸥,著一層夾襖步出監(jiān)牢的瞬間惜论,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,095評(píng)論 1 267
  • 我被黑心中介騙來泰國(guó)打工止喷, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留馆类,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,589評(píng)論 2 362
  • 正文 我出身青樓弹谁,卻偏偏與公主長(zhǎng)得像乾巧,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子预愤,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,687評(píng)論 2 351