Сцены:
После самостоятельной модификации модели столкнулся с проблемой несоответствия весовых параметров:
终端出现问题描述如下
size mismatch for fc.weight: copying a param with shape torch.Size([1000, 2048]) from checkpoint, the shape in current model is torch.Size([2, 2048]).
size mismatch for fc.bias: copying a param with shape torch.Size([1000]) from checkpoint, the shape in current model is torch.Size([2]).
Анализ причин
Это связано с тем, что полностью подключенный слой в загруженной предварительно обученной модели имеет 1000 категорий, а текущая категория кода имеет только 2 категории, поэтому будет сообщено об ошибке несоответствия.
решение:
Из сообщения об ошибке видно, что весовые параметры слоя fc не совпадают, поэтому нам нужно только не загружать параметры этого слоя.
net = se_resnet50(num_classes=2)
pretrained_dict = torch.load("./senet/seresnet50-60a8950a85b2b.pkl")
model_dict = net.state_dict()
# 重新制作预训练的权重，主要是减去参数不匹配的层，楼主这边层名为“fc”
pretrained_dict = {
k: v for k, v in pretrained_dict.items() if (k in model_dict and 'fc' not in k)}
# 更新权重
model_dict.update(pretrained_dict)
net.load_state_dict(model_dict)