PyTorch加载DQN对象报错：'Adam' object has no attribute '_warned_capturable_if_run_uncaptured'

核心原因 #

• PyTorch版本不兼容：模型保存时的PyTorch版本与当前Colab环境版本不一致，导致Adam优化器内部属性缺失。
• 优化器状态加载异常：加载时仅恢复网络权重，未正确处理优化器的状态字典，或状态字典与当前环境不匹配。
• Colab环境依赖冲突：默认安装的TensorFlow可能与PyTorch依赖包冲突，间接影响Adam初始化。

解决步骤 #

1. 统一PyTorch版本 #

执行命令安装与模型保存时一致的PyTorch版本（以2.0.1为例）：

!pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118

安装后重启Colab运行时，确保版本匹配。

2. 规范模型与优化器的保存加载 #

保存时需同时记录网络（含目标网络）和优化器的状态：

# 保存checkpoint
torch.save({
    'policy_net': policy_net.state_dict(),
    'target_net': target_net.state_dict(),
    'optimizer': optimizer.state_dict(),
    'episode': current_episode
}, 'dqn_checkpoint.pth')

# 加载checkpoint
checkpoint = torch.load('dqn_checkpoint.pth')
policy_net.load_state_dict(checkpoint['policy_net'])
target_net.load_state_dict(checkpoint['target_net'])
optimizer.load_state_dict(checkpoint['optimizer'])
# 切换至训练模式
policy_net.train()
target_net.train()

若此前仅保存了网络权重，需重新生成完整checkpoint后再加载。

3. 清除环境依赖冲突 #

卸载TensorFlow以避免与PyTorch冲突：

!pip uninstall -y tensorflow
!pip install torch torchvision torchaudio

重启运行时后重试训练。

4. 重新初始化优化器（临时方案） #

若无法匹配版本，可放弃加载优化器状态，重新初始化：

checkpoint = torch.load('dqn_checkpoint.pth')
policy_net.load_state_dict(checkpoint['policy_net'])
target_net.load_state_dict(checkpoint['target_net'])
# 重新创建优化器
optimizer = torch.optim.Adam(policy_net.parameters(), lr=0.0001)

此方法会丢失之前的优化器状态，适合对训练连续性要求较低的场景。

内容的提问来源于stack exchange，提问作者Janak Lal