Pytorch手写文本识别预训练编码解码模型预测TypeError问题咨询

架构老林

2026-9-29

问题根因

你触发报错的核心原因是混淆了模型权重字典（state_dict）和模型实例的概念：
checkpoint['encoder_state_dict']和checkpoint['decoder_state_dict']存储的是模型的权重参数，是OrderedDict类型的静态数据，不是可执行前向推理的模型对象，自然不能被当作函数调用。

解决步骤

第一步：先实例化你用的SPAN模型对应的编码器、解码器类，注意类的结构、参数要和预训练模型训练时的配置完全一致，否则会出现权重加载不匹配的问题
第二步：把加载到的state_dict权重加载到实例化后的模型对象上，再执行推理
修正后的代码示例如下：

import torch
# 首先导入你项目里的Encoder、Decoder类，要和预训练用的类定义完全一致
from your_model_file import Encoder, Decoder

# 1. 加载预训练权重
checkpoint = torch.load("Model/SPAN/SPAN-PT-RA_rimes.pt",map_location=torch.device('cpu'))
encoder_state_dict = checkpoint['encoder_state_dict']
decoder_state_dict = checkpoint['decoder_state_dict']

# 2. 实例化模型，构造参数按训练时的配置填写，比如输入通道、层数等
encoder = Encoder()
decoder = Decoder()

# 3. 加载权重到模型实例
encoder.load_state_dict(encoder_state_dict)
decoder.load_state_dict(decoder_state_dict)

# 4. 切换到评估模式，避免dropout、BN层推理时和训练行为不一致
encoder.eval()
decoder.eval()

# 5. 执行推理，关闭梯度计算减少资源占用
img = torch.LongTensor(img).unsqueeze(1).to(torch.device('cpu'))
with torch.no_grad():
    encoder_out = encoder(img)
    global_pred = decoder(encoder_out)