加载CycleGan训练得到的latest_net_G_A.pth模型报错如何解决

• 第一个报错AttributeError: ‘collections.OrderedDict’ has no attribute ‘eval’：你训练时只保存了模型的权重参数（state_dict，存储结构为OrderedDict），未保存完整模型对象，直接torch.load得到的是参数字典，不存在模型类才有的eval方法。
• 第二个报错AttributeError : ‘torch.C_.Generator’ object has no attribute ‘load_state_dict’：你实例化的Generator不是继承自torch.nn.Module的自定义生成器类，大概率是导包错误引入了PyTorch内置的同名对象，这类内置对象没有load_state_dict方法。

1. 先找到你训练CycleGAN时定义生成器的代码，确认生成器类的名称、初始化参数，必须保证加载时使用的生成器类和训练时完全一致。
2. 按如下代码模板修改加载逻辑：

import torch
# 替换为你自己的生成器类导入路径，不要导错其他同名类
from your_train_code_file import Generator

# 1. 实例化生成器，初始化参数和训练时完全对齐，比如输入输出通道、残差块数量等
model = Generator(input_nc=3, output_nc=3, n_blocks=9)
# 2. 加载权重字典，map_location参数适配你当前运行的设备
state_dict = torch.load("latest_net_G_A.pth", map_location=torch.device("cpu"))
# 3. 权重载入模型
model.load_state_dict(state_dict)
# 4. 切换为评估模式
model.eval()

如果出现权重key不匹配的报错，大概率是训练时使用了多卡分布式训练，权重key多了module.前缀，按如下方式处理后再加载：

from collections import OrderedDict
new_state_dict = OrderedDict()
for k, v in state_dict.items():
    # 去掉key开头的'module.'前缀
    if k.startswith("module."):
        name = k[7:]
    else:
        name = k
    new_state_dict[name] = v
model.load_state_dict(new_state_dict)

内容的提问来源于stack exchange，提问作者Wilson Wii