计算神经网络测试精度的错误

Question

我尝试训练我的神经网络，然后评估它的测试准确性。我正在使用本文底部的代码进行训练。事实上，对于其他神经网络，我可以毫无问题地使用我的代码评估测试准确性。然而，对于这个神经网络（我根据神经网络论文的描述正确构建），我无法正确评估测试精度，它给我下面的回溯。所以也许我的前传有问题？模型代码在这里，包括前向传递import torchimport torch.nn as nnF = nn.functional__all__ = ['cifar10_deepnet', 'cifar100_deepnet']class VGG(nn.Module):    def __init__(self, num_classes=10):        super(VGG, self).__init__()        self.features = nn.Sequential(            nn.Conv2d(3, 64, kernel_size=3, bias=False),            nn.BatchNorm2d(64),            nn.ReLU(inplace=True),            nn.Dropout(0.3),            nn.Conv2d(64, 64, kernel_size=3, padding = 1, bias=False),            nn.BatchNorm2d(64),            nn.ReLU(inplace=True),            nn.MaxPool2d(kernel_size=2, stride=2),            nn.Conv2d(64, 128, kernel_size=3, padding = 1, bias=False),            nn.BatchNorm2d(128),            nn.ReLU(inplace=True),            nn.Dropout(0.4),            nn.Conv2d(128, 128, kernel_size=3, padding = 1, bias=False),            nn.BatchNorm2d(128),            nn.ReLU(inplace=True),            nn.MaxPool2d(kernel_size=2, stride=2),            nn.Conv2d(128, 256, kernel_size=3, padding = 1, bias=False),            nn.BatchNorm2d(256),            nn.ReLU(inplace=True),            nn.Dropout(0.4),            nn.Conv2d(256, 256, kernel_size=3, padding = 1, bias=False),            nn.BatchNorm2d(256),            nn.ReLU(inplace=True),            nn.Dropout(0.4),            nn.Conv2d(256, 256, kernel_size=3, padding = 1, bias=False),            nn.BatchNorm2d(256),            nn.ReLU(inplace=True),            nn.MaxPool2d(kernel_size=2, stride=2),

Answer 1

您正在尝试加载属于另一个模型的状态字典。

该错误表明您的模型是 class AlexNet。

RunTimeError: Error(s) in loading state_dict for AlexNet:

但是您尝试加载的状态字典来自VGG您发布的内容，它与AlexNet.

您需要使用之前保存过状态指令的同一模型。