Question

在Pytorch中，我们按以下方式加载预训练的模型：

net.load_state_dict(torch.load(path)['model_state_dict'])

然后，网络结构和加载的模型必须完全相同。但是，是否可以加载权重然后修改网络/添加额外的参数？

注意：如果我们在加载权重之前较早地向模型添加了一个额外的参数，例如

self.parameter = Parameter(torch.ones(5),requires_grad=True)

加载权重时会出现Missing key(s) in state_dict:错误。

Answer 1

让我们创建一个模型并保存其状态。

class Model1(nn.Module):
    def __init__(self):
        super(Model1, self).__init__()

        self.encoder = nn.LSTM(100, 50)

    def forward(self):
        pass


model1 = Model1()
torch.save(model1.state_dict(), 'filename.pt') # saving model

然后创建第二个模型，该模型具有与第一个模型相同的几层。加载第一个模型的状态，并将其加载到第二个模型的公共层。

class Model2(nn.Module):
    def __init__(self):
        super(Model2, self).__init__()

        self.encoder = nn.LSTM(100, 50)
        self.linear = nn.Linear(50, 200)

    def forward(self):
        pass


model1_dict = torch.load('filename.pt')
model2 = Model2()
model2_dict = model2.state_dict()

# 1. filter out unnecessary keys
filtered_dict = {k: v for k, v in model1_dict.items() if k in model2_dict}
# 2. overwrite entries in the existing state dict
model2_dict.update(filtered_dict)
# 3. load the new state dict
model2.load_state_dict(model2_dict)

向预训练的模型添加参数

1 个答案: