本文正在参加【AI】浅析恶意文件静态检测及部分问题解决思路
因为样本在某台机子上,又恰逢有其他模型在训练,因此 GPU 资源被占满了,不过测试这个模型的话,CPU 也绰绰有余了,当我准备使用 CPU 训练时,却遇到了问题; 1、 我一开始以为只要使用 事实证明,我想的太简单了… 这个问题很显而易见,就是 GPU 的内存溢出了,但是按我的思路,用的应该是 CPU 啊,所以我怀疑是 2、GPU 与 CPU 训练时参数名不一致 当我以为大功告成,点击运行之时,不料,又报错了: 根据理解,就是说找不到参数,因此,我将字典部分内容打印了一下: 发现问题了,在多 GPU 上训练的模型,保存时会在参数名前多加了一个 这样就能够在 CPU 上加载多 GPU 训练的模型了! 以上就是 【问题解决】解决如何在 CPU 上加载多 GPU 训练的模型 的全部内容了,希望对大家有所帮助! 📝 上篇精讲:【问题解决】解决 Docker 二次重启 MySQL 8 遇到的一些问题 💖 我是 𝓼𝓲𝓭𝓲𝓸𝓽,期待你的关注; 👍 创作不易,请多多支持;分析
model.to(device)
不会影响 torch.load()
;model.to
就算是使用上 CPU 了;device = torch.device("cpu")
model = ...
model = model.to(device)
model_savedir_ = ''
if os.path.exists(model_savedir_):
print("model load.")
state_dict = torch.load(model_savedir_)
model.load_state_dict(state_dict)
RuntimeError: CUDA error: out of memory
CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.
For debugging consider passing CUDA_LAUNCH_BLOCKING=1.
torch.load()
这个函数出了问题,查询了一番资料后,发现是要这样使用的 state_dict = torch.load(model_savedir_, map_location=device)
;RuntimeError: Error(s) in loading state_dict for ..model..:
Missing key(s) in state_dict: "fc.weight", "fc.bias", "features.0.0.weight", "features.0.1.weight", "features.0.1.bias", "features.0.1.running_mean", "features.0.1.running_var", "features.1.conv.0.weight", "features.1.conv.1.weight", "features.1.conv.1.bias", "features.1.conv.1.running_mean", "features.1.conv.1.running_var", "features.1.conv.3.weight", "features.1.conv.4.weight", "features.1.conv.4.bias", "features.1.conv.4.running_mean", "features.1.conv.4.running_var", "features.1.conv.5.fc.0.weight", ...
for k, v in state_dict.items():
print(k, v)
break
module.
前缀,因此在用 CPU 进行加载时,需要把这个前缀去掉:if os.path.exists(model_savedir_):
print("model load.")
state_dict = torch.load(model_savedir_, map_location=device)
from collections import OrderedDict
state_dict_new = OrderedDict()
for k, v in state_dict.items():
name = k[7:] # 去掉 `module.`
state_dict_new[name] = v
model.load_state_dict(state_dict_new)
后记
AI恶意文件静态检测模型训练中的错误及解决方案
释放双眼,带上耳机,听听看~!
本文讨论了在AI恶意文件静态检测模型训练中遇到的GPU内存溢出和参数名不一致的问题,并提供了解决方案。
本网站的内容主要来自互联网上的各种资源,仅供参考和信息分享之用,不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益,请联系我们,我们将尽快采取行动,包括删除或更正。