使用pytorch-CycleGAN-and-pix2pix训练的模型测试时出现Missing key错误

问题原因 #

你遇到的是PyTorch模型权重与实例化网络结构不匹配的报错，核心原因是测试时的网络结构参数和训练时不一致，导致权重的键名对应不上，具体错误点如下：

• 归一化配置不匹配：训练时使用norm: batch，但测试时最终生效的配置为norm: instance，BatchNorm层和InstanceNorm层的位置、索引不同，直接导致权重键的序号偏移，就是你看到的Missing key和Unexpected key报错的来源。
• 模型类型参数冲突：训练使用的是model: cycle_gan，你测试启动命令错误添加了--model pix2pix参数，虽然最终生效配置是cycle_gan，但参数冲突会导致网络结构初始化异常。
• 配置参数未生效：你在测试命令中设置的--direction BtoA、--load_size 286、--norm batch都没有在最终运行配置中生效，说明参数传递存在问题。

解决方案 #

测试时所有和网络结构相关的参数必须和训练配置完全一致，将测试启动命令替换为以下内容即可：

python3 test.py --dataroot ./datasets/datasets/boundedwalls_50_0.1 --name cycbw50 --model cycle_gan --netG resnet_9blocks --direction AtoB --dataset_mode aligned --norm batch --load_size 286 --no_dropout

如果需要实现B到A方向的推理，只需将--direction AtoB修改为--direction BtoA即可，运行后先检查输出的配置列表，确认norm、model、direction三个参数和预期一致再运行。
如果需要单张图像推理，在上述命令基础上添加--num_test 1参数，同时将dataroot指向仅存放单张待推理图像的文件夹即可。
如果临时需要跳过权重键不匹配的校验，可以在net.load_state_dict(state_dict)代码处修改为net.load_state_dict(state_dict, strict=False)，该方法仅作为临时验证方案，不建议长期使用。

内容的提问来源于stack exchange，提问作者Thijser