PyTorch加载预训练ResNet1D模型出现AttributeError如何解决？

问题根因 #

你目前使用的是PyTorch的全模型序列化保存方式torch.save(model, path)，这种方式会把模型实例的结构和权重绑定序列化，同时依赖训练时模型类ResNet1D所在的模块路径，当你在没有定义ResNet1D类的独立脚本中加载时，PyTorch找不到对应的类定义，就会抛出这个属性错误。

解决方案 #

方案1：加载前在独立脚本中引入/定义ResNet1D类 #

• 直接把model_prep.py里的ResNet1D类的完整代码复制到test.py开头，或者把model_prep.py作为模块导入：

# test.py 开头添加
from model_prep import ResNet1D
import torch

# 后续加载逻辑不变
model = torch.load('/content/drive/MyDrive/myModel.pt')
model.eval()

注意：需要保证test.py和model_prep.py在同一目录下，或者model_prep.py在Python的模块搜索路径中

方案2（更推荐）：重新保存为权重字典格式，避免类路径依赖 #

这种方案是PyTorch官方推荐的模型保存方式，只保存训练好的权重参数，不绑定模型结构，通用性更强：

1. 先回到model_prep.py中重新导出模型：

# 仅保存模型权重字典
torch.save(model.state_dict(), '/content/drive/MyDrive/myModel_weights.pt')

2. 之后在任意独立脚本中加载时，先实例化ResNet1D类，再加载权重：

import torch
from model_prep import ResNet1D # 或者直接复制ResNet1D类定义到此处

# 先初始化模型结构
model = ResNet1D() # 如果类有初始化参数要按实际传入
# 加载权重
model.load_state_dict(torch.load('/content/drive/MyDrive/myModel_weights.pt'))
model.eval()

Tkinter部署可行性 #

这个方案完全可行，Tkinter是Python标准自带的GUI库，不需要额外安装复杂依赖，适合轻量本地工具开发：

• 你只需要在Tkinter的业务逻辑代码中按照上面的方案先加载好模型，再把用户输入的待预测数据做和训练时一致的预处理，喂给模型得到预测结果，最后把结果渲染到GUI界面上即可
• 单条数据预测的计算量很小，普通PC运行完全没有性能问题

内容的提问来源于stack exchange，提问作者Quine