解决Pytorch 加载训练好的模型 遇到的error问题

这是一个非常愚蠢的错误

debug的时候要好好看error信息

提醒自己切记好好对待error！切记！切记！

-----------------------分割线----------------

pytorch 已经非常友好了 保存模型和加载模型都只需要一条简单的命令

#保存整个网络和参数
torch.save(your_net, 'save_name.pkl')
#加载保存的模型
net = torch.load('save_name.pkl')

因为我比较懒我就想直接把整个网络都保存下来，然后在test文件中直接load一下不就好了？

就遭受了这样的错误。看错了error信息，把‘Net'看成‘net'。报错没有属性‘net'？这个不是我自己写的变量名么？

-----------------瞎捣鼓1h后（呵呵呵）----------------

回头看error，没有属性‘Net'，Net？？？

我当下明白过来，应该是test文件中没有把它import进来，test中就没有任何关于Net的信息。我直接把定义的Net复制进了test.py，就顺利加载了训练好的模型。

但是我也有一个疑问，我理解的把整个模型保存难道不是把它的结构都保存下来了么？为什么还要再把这个网络import一次？来自python、pytorch、面向对象编程三次元小白的疑惑，先存个疑，搞懂了再来回答。

接下来试试只保存网络参数

#只保存网络参数
torch.save(your_net.state_dict(), 'save_name.pkl')
#加载保存的模型
net.load_state_dict(torch.load('save_name.pkl'))

保存网络参数

重新定义网络

报错

想死。。。

仔细看了报错信息，以我小白的理解，我感觉保存下来的可能只是单纯的数据，而不是一个对象（没有方法可以操作），或者该对象没有.copy()方法，所以没有办法进行.copy()，那肯定是保存哪里出错了。然后发现保存部分代码写错了，改成

print一下 net.state_dict和net.state_dict()，前者输出的是网络结构，后者才是网络的参数。

试着回答之前的问题，第二种保存模型的方法只保存了网络的参数（包括卷积层和全连接层每次的weight,bias），所以再加载模型的时候需要先定义网络无可厚非，就像训练时候定义网络那样定义就可以；而第一种保存整个网络的方法，保存了一个网络的实例（包括它的所有结构和参数），net是Net的一个实例，那为什么还要有Class Net的定义呢，还是回答不了。。

那就继续存疑，保持探究精神吧。。