加载DQN模型评估时出现Size mismatch - weight - bias错误

这个错误的核心是当前定义的模型与保存的 checkpoint 中动作输出层（fc3）的维度不一致——训练时模型的动作数是54，现在加载时你初始化的模型动作数是41，导致fc3的weight和bias形状无法匹配，和CPU/GPU环境无关。

解决方案： #

• 严格对齐训练与加载时的模型参数
  找到训练模型时传入DeepQNetwork的n_actions参数值，加载模型时必须保持完全一致。如果训练时用的是54，那加载时也要把n_actions设为54，而非41。
  检查DQNAgent的初始化逻辑，确保use_bline方法中创建实例时传递正确的动作数：

  def use_bline(self):
      # 补充训练时使用的n_actions=54，确保和训练阶段一致
      self.agent = DQNAgent(chkpt_dir="../Models_DQN/model_b_line", 
                            algo='DQNAgent', 
                            env_name='Scenario1b',
                            n_actions=54)
      self.agent.load_models()
      self.agent_name = "Bline"
  

  如果DQNAgent是从环境自动获取动作数，要确认加载时使用的是训练时的同一环境配置——比如Scenario1b环境的动作空间是否被修改过，环境动作数变化也会引发该问题。

• 特殊场景下的临时调整（不推荐）
  如果你确实需要用41个动作加载原有模型，只能手动修改checkpoint的参数（会丢弃部分原有参数，影响模型性能）：

  # 加载原始checkpoint
  checkpoint = torch.load("../Models_DQN/model_b_line/[你的模型文件名]")
  # 截取fc3.weight的前41行、fc3.bias的前41个元素
  checkpoint['fc3.weight'] = checkpoint['fc3.weight'][:41, :]
  checkpoint['fc3.bias'] = checkpoint['fc3.bias'][:41]
  # 加载修改后的checkpoint，关闭严格匹配
  model.load_state_dict(checkpoint, strict=False)
  

内容的提问来源于stack exchange，提问作者user20441815