You need to enable JavaScript to run this app. PyTorch Lightning 1.4.0训练的NCF模型checkpoint加载失败如何解决?
优惠活动
大模型
产品
解决方案
定价
更多

PyTorch Lightning 1.4.0训练的NCF模型checkpoint加载失败如何解决?

首先你之前的两种写法存在两处核心错误:

  1. 第一种写法中num_items参数错误传入了DataFrame类型的train_ratings,但类初始化要求该参数是代表物品总数的int类型值
  2. 第二种写法误用了类方法load_from_checkpoint,该方法是PL模型类的类方法,不需要先实例化模型再调用,否则会重复初始化参数,也容易出现参数不匹配问题

正确加载代码如下:

# 参数名、参数类型必须和NCF类__init__方法的定义完全匹配
trained_model = NCF.load_from_checkpoint(
    checkpoint_path = "NCF_Trained.ckpt",
    num_users = num_users,
    num_items = num_items,
    data = train_ratings,
    all_itemIds = all_itemIds
)
# 如果仅用于推理,加载完成后切换到评估模式
trained_model.eval()

补充注意事项:

  • 加载时传入的num_users、num_items必须和训练时传入的数值完全一致,否则嵌入层维度不匹配会抛出权重加载错误
  • 如果你加载模型后需要继续训练,需要确保你代码中的数据集类名一致:你之前定义的数据集类名为CustomTrainDataset,但模型train_dataloader方法中调用的是ChupsTrainDataset,这个笔误需要先修正,否则训练时会找不到类报错
  • 若加载时仍出现参数匹配问题,可以先打印checkpoint的超参数部分核对:
ckpt = torch.load("NCF_Trained.ckpt")
print(ckpt["hyper_parameters"])

核对打印出的参数key是否和你传入的参数名完全一致。

内容的提问来源于stack exchange,提问作者Arun

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.10 01:30:03