加载CNN模型时遇load_state_dict参数缺失错误，求解决方法

问题根源 #

你加载模型时的核心错误是没有实例化模型对象，直接用类名ConvNet调用了实例方法load_state_dict()。load_state_dict是PyTorch模型实例的方法，必须在类的实例上调用，而不是类本身。

另外，你的模型定义还有一个隐藏问题：forward方法的缩进错误，它现在定义在ConvNet类外面，这会导致模型无法正常执行前向传播，需要把forward方法缩进，放在ConvNet类内部。

修正步骤 #

1. 修正模型定义的缩进问题
   调整forward方法的缩进，使其成为ConvNet类的成员方法，同时修正注释和展平维度的细节：

   class ConvNet(nn.Module):
       def __init__(self):
           super(ConvNet, self).__init__()
           self.conv1 = nn.Conv2d(in_channels=2, out_channels=4, kernel_size=4)
           self.pool = nn.MaxPool2d(2, 2)
           self.conv2 = nn.Conv2d(4, 8, 4)
           self.fc1 = nn.Linear(8 * 6 * 6, 120)
           self.fc2 = nn.Linear(120, 84)
           self.fc3 = nn.Linear(84, 1)
   
       def forward(self, x):
           # -> n, 2, 32, 32（输入通道为2，修正注释错误）
           x = self.pool(F.relu(self.conv1(x)))  
           x = self.pool(F.relu(self.conv2(x)))  
           x = x.flatten(start_dim=1)  # 指定start_dim=1，避免批量维度被展平
           x = F.relu(self.fc1(x))               
           x = F.relu(self.fc2(x))               
           x = self.fc3(x)                      
           return x
   

2. 修正模型加载代码
   先实例化模型对象，再调用load_state_dict方法：

   import torch
   from src.data import CarBonnetSource
   from src.model import ConvNet
   
   # 1. 实例化模型
   model = ConvNet()
   # 2. 加载预训练权重（若测试环境与训练环境设备不同，需指定map_location）
   # 例：训练用GPU、测试用CPU时，改为torch.load(filepath, map_location=torch.device('cpu'))
   model.load_state_dict(torch.load(filepath))
   # 3. 设置模型为评估模式
   model.eval()
   

额外说明 #

• 你保存模型时使用torch.save(model.state_dict(), filepath)是推荐方式，仅保存模型权重，加载时需先实例化对应结构的模型。
• 若加载时出现设备不匹配错误，务必在torch.load中添加map_location参数指定目标设备。

内容的提问来源于stack exchange，提问作者Urvesh