加载PyTorch .pth模型用于推理时state_dict键不匹配如何解决？

• 核心问题是你当前实例化的GatherModel结构和保存cigin.tar权重时使用的模型结构完全不匹配：你存的权重文件里包含的是solute_pass、solvent_pass、独立溶质/溶剂LSTM层、四层全连接层的参数，而你现在写的GatherModel中定义的是lin0、set2set、message_layer、conv这类层，两边的层命名、结构设计完全对应不上，才会同时出现大量缺失键和意外键的报错。
• 你添加strict=False参数后看到的不是报错，是PyTorch返回的不匹配键提示，这个参数本身只是跳过键不匹配的报错逻辑，并没有解决结构不匹配的问题，此时你的模型所有层都没有加载到正确的权重，推理结果完全不可用。

• 优先使用权重对应的原始模型定义：你用的cigin.tar是CIGIN模型的预训练权重，直接找到该权重开源对应的原始模型类代码实例化，再加载权重即可消除不匹配问题，这是成本最低的解决方案。
• 如果你确实需要用当前自定义的GatherModel结构，需要手动做权重键映射：先打印出加载的原始权重的所有键，核对每个权重参数对应你自定义模型里的哪一层的参数，构建键名映射表，把原始权重的键名替换成你模型里的键名后再加载，示例代码如下：

import torch
from your_module import GatherModel

# 实例化自定义模型
model = GatherModel()
# 加载原始权重文件
raw_weights = torch.load('/content/CIGIN/weights/cigin.tar')

# 自定义键映射表，需要你根据参数的形状、作用核对对应关系后补全所有项
key_map = {
    "solute_pass.U_0.weight": "lin0.weight",
    "solute_pass.U_0.bias": "lin0.bias",
    # 剩余所有键的映射关系都需要补全
}

# 生成适配当前模型的state_dict
adapted_state_dict = {}
for old_key, param in raw_weights.items():
    if old_key in key_map:
        adapted_state_dict[key_map[old_key]] = param

# 加载适配后的权重
model.load_state_dict(adapted_state_dict, strict=True)

• 额外检查：确认你有没有加载错权重文件，排除拿了其他任务、其他结构训练出来的权重的情况。

内容的提问来源于stack exchange，提问作者harsh