AttributeError排查：'collections.OrderedDict'对象无'eval'属性

嘿，这个问题我之前也踩过坑！本质原因很简单：你把模型的权重状态字典（state_dict）当成了模型实例本身来调用eval()方法了。

为什么会报错？ #

你贴出来的内容是PyTorch模型的state_dict()返回值——这是一个OrderedDict，它只负责存储模型的权重参数，根本没有eval()这个方法。而eval()是PyTorch中nn.Module类（所有自定义模型的父类）的方法，只有模型实例才能调用它。

具体解决步骤 #

1. 先定义和保存时完全一致的模型结构

首先你得把原来训练时的模型结构原封不动地写出来，比如如果是一个带conv1的CNN，大概是这样：

import torch
import torch.nn as nn

class YourModel(nn.Module):
    def __init__(self):
        super().__init__()
        # 这里要和你保存模型时的结构完全匹配，包括层的命名、参数
        self.inp = nn.Sequential(
            nn.Conv2d(in_channels=3, out_channels=..., kernel_size=3),  # 对应你贴的inp.conv1.conv
            # 其他层也要一一对应
        )
    
    def forward(self, x):
        return self.inp(x)

2. 正确加载权重并调用eval()

不要直接把加载的字典当模型用，要先实例化模型，再把权重加载进去：

# 1. 实例化模型
model = YourModel()

# 2. 加载保存的权重字典（就是你贴出来的那个OrderedDict）
state_dict = torch.load("你的模型文件路径.pth")

# 3. 将权重加载到模型实例中
model.load_state_dict(state_dict)

# 4. 现在就可以正常调用eval()了！
model.eval()

常见误区提醒 #

• 如果你当初保存模型时用的是torch.save(model, "model.pth")（直接保存整个模型），那加载时可以直接model = torch.load("model.pth")，然后调用model.eval()。但从你贴的内容看，你应该是用torch.save(model.state_dict(), "model.pth")保存的权重字典，所以必须按上面的步骤来。
• 一定要保证模型结构和保存时完全一致，比如层的数量、通道数、命名（比如inp.conv1.conv这个路径要对应），不然load_state_dict会报参数不匹配的错误。

内容的提问来源于stack exchange，提问作者 Ryan