Jupyter Notebook中TypeError: 'dict'对象不可调用问题求助

问题描述 #

我构建了YOLO-NAS模型，代码在Colab中运行正常，但本地Jupyter Notebook执行时出现以下错误：

运行代码 #

import cv2
import torch

# Load the model.
best_model = torch.load("average_model.pth", map_location=torch.device('cpu'))

# Capture video from webcam.
cap = cv2.VideoCapture(0)

while True:
    # Capture a frame from the camera.
    ret, frame = cap.read()

    # Convert the frame to RGB.
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

    # Predict handsign on frame.
    output = best_model(torch.from_numpy(frame).float().unsqueeze(0))

    # Get the predicted class.
    predicted_class = output.argmax()

    # Display the frame on the screen.
    cv2.imshow("Camera", frame)

    # Press Q to quit.
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Release the camera.
cap.release()

# Close the window.
cv2.destroyAllWindows()

错误信息 #

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[14], line 18
     15 frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
     17 # Predict handsign on frame.
---> 18 output = best_model(torch.from_numpy(frame).float().unsqueeze(0))
     20 # Get the predicted class.
     21 predicted_class = output.argmax()

TypeError: 'dict' object is not callable

错误原因 #

torch.load("average_model.pth")加载得到的是模型的状态字典（dict类型），而非可调用的模型实例。Colab中能正常运行，是因为训练时保存的是完整模型对象（用torch.save(model, path)），而本地加载的文件只保存了状态字典（训练时用的是torch.save(model.state_dict(), path)），所以直接调用会触发字典不可调用的错误。

解决步骤 #

要正确加载模型，需要先初始化和训练时结构完全一致的模型实例，再将状态字典加载到实例中：

修改后的代码 #

import cv2
import torch
# 导入你训练时定义的YOLO-NAS模型类，替换为实际的导入路径
from your_model_definition import YOLO_NAS

# 1. 初始化模型实例，参数要和训练时完全匹配（比如类别数）
best_model = YOLO_NAS(num_classes=你的类别数量)  # 替换为训练时的实际参数

# 2. 加载状态字典到模型中
state_dict = torch.load("average_model.pth", map_location=torch.device('cpu'))
best_model.load_state_dict(state_dict)

# 设置模型为评估模式（推理时必须）
best_model.eval()

# 摄像头捕获
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break  # 处理帧读取失败的情况

    # 转换颜色空间
    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    
    # 预处理：转换为张量并调整维度（YOLO-NAS要求通道在前：C,H,W）
    input_tensor = torch.from_numpy(frame_rgb).float().unsqueeze(0)
    input_tensor = input_tensor.permute(0, 3, 1, 2)  # 从(batch, H, W, C)转为(batch, C, H, W)

    # 推理时关闭梯度计算，节省资源
    with torch.no_grad():
        output = best_model(input_tensor)

    predicted_class = output.argmax()

    # 显示帧
    cv2.imshow("Camera", frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

关键注意事项 #

• 模型结构必须和训练时完全一致，包括层数、神经元数量、类别数等，否则load_state_dict会报错。
• 如果训练时是用torch.save(model, "average_model.pth")保存的完整模型，本地可以直接用torch.load加载，但这种方式兼容性较差（不同PyTorch版本可能出问题），更推荐保存状态字典。
• YOLO-NAS的输入要求通道在前（C,H,W），而OpenCV读取的帧是通道在后（H,W,C），必须用permute调整维度，这也是可能导致Colab正常本地报错的隐藏原因。

内容的提问来源于stack exchange，提问作者ARUN PRAVEEN P