在調用github上下載的代碼后
model.load_state_dict(a.pth)編譯不過的情況

使用了 model.load_state_dict(a.pth,strict = False)依舊不能解決

后來通過分析模型發現，確實是某些層的參數量不匹配，但是這些層的參數其實通過復制成需要的大小就可以解決問題，所以有了以下的方法

1. 分析pth的結構

import torch fy=torch.load(路徑) for i in fy.keys()print(i+' '+str(list(fy[i].size())))

2.單個數值的修改

a = torch.load("OldWeights.pth")a["layer1.0.coefficient"] = torch.FloatTensor([1.2]) a["layer1.1.coefficient"] = torch.FloatTensor([1.5])torch.save(a, "Weights.pth")

3.某層數據修改

import numpy as np a = torch.load("OldWeights.pth") //t 為這層原本存的值 b = np.ones(shape=[64])*t a["layer1.0.coefficient"] = torch.FloatTensor(b)torch.save(a, "Weights.pth")

總結

以上是生活随笔為你收集整理的pth文件数据修改的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。