【问题标题】：How to load and use a pretained PyTorch InceptionV3 model to classify an image如何加载和使用预训练的 PyTorch Inception V3 模型对图像进行分类
【发布时间】：2019-05-19 13:37:00
【问题描述】：

我和How can I load and use a PyTorch (.pth.tar) model 有同样的问题，它没有一个可以接受的答案，或者我可以弄清楚如何遵循给出的建议。

我是 PyTorch 的新手。我正在尝试加载此处引用的预训练 PyTorch 模型：https://github.com/macaodha/inat_comp_2018

我很确定我缺少一些胶水。

# load the model
import torch
model=torch.load("iNat_2018_InceptionV3.pth.tar",map_location='cpu')

# try to get it to classify an image
imsize = 256
loader = transforms.Compose([transforms.Scale(imsize), transforms.ToTensor()])

def image_loader(image_name):
    """load image, returns cuda tensor"""
    image = Image.open(image_name)
    image = loader(image).float()
    image = Variable(image, requires_grad=True)
    image = image.unsqueeze(0)  
    return image.cpu()  #assumes that you're using CPU

image = image_loader("test-image.jpg")

产生错误：

在 () ----> 1 个模型.预测（图像）

AttributeError: 'dict' 对象没有属性 'predict

【问题讨论】：

标签： python pytorch torch

【解决方案1】：

问题

您的model 实际上不是模特。保存时不仅包含参数，还包含模型的其他信息，形式有点类似于dict。

因此，torch.load("iNat_2018_InceptionV3.pth.tar") 只是简单地返回dict，它当然没有名为predict 的属性。

model=torch.load("iNat_2018_InceptionV3.pth.tar",map_location='cpu')
type(model)
# dict

解决方案

在这种情况下，通常情况下，您首先需要做的是实例化您想要的模型类，按照官方指南"Load models"。

# First try
from torchvision.models import Inception3
v3 = Inception3()
v3.load_state_dict(model['state_dict']) # model that was imported in your code.

但是，直接输入model['state_dict'] 会引发一些关于Inception3 参数形状不匹配的错误。

了解Inception3 在实例化后发生了什么变化很重要。幸运的是，你可以在原作者的train_inat.py找到。

# What the author has done
model = inception_v3(pretrained=True)
model.fc = nn.Linear(2048, args.num_classes) #where args.num_classes = 8142
model.aux_logits = False

现在我们知道要更改什么，让我们对我们的第一次尝试进行一些修改。

# Second try
from torchvision.models import Inception3
v3 = Inception3()
v3.fc = nn.Linear(2048, 8142)
v3.aux_logits = False
v3.load_state_dict(model['state_dict']) # model that was imported in your code.

然后你就可以成功加载模型了！

【讨论】：