EDSR遇到的问题以及解答

最新推荐文章于 2025-01-28 11:24:34 发布

Magic_o

最新推荐文章于 2025-01-28 11:24:34 发布

阅读量2.8k

点赞数 7

CC 4.0 BY-SA版权

分类专栏：超分辨代码

本文链接：https://blog.youkuaiyun.com/Magic_o/article/details/107325176

超分辨代码专栏收录该内容

17 篇文章

订阅专栏

本文详细解析了PyTorch中加载预训练模型时出现的RuntimeError，特别是关于模型参数与预训练权重维度不匹配的问题。文章提供了具体的解决方案，包括如何调整模型的resblocks数量、feats数量及res_scale等参数，确保模型结构与预训练权重一致，避免加载失败。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python main.py --data_test Demo --scale 2 --pre_train …/experiment/model/EDSR_x2.pt --test_only --save_results
RuntimeError: While copying the parameter named head.0.weight, whose dimensions in the model are torch.Size([64, 3, 3, 3]) and whose dimensions in the checkpoint are torch.Size([256, 3, 3, 3]).
这是因为PyTorch在设置检查点时不保存模型结构。
这意味着预先训练的模型只包含参数，而不包含结构。
因此，我们必须首先构建模型来加载这些参数。
默认设置是EDSR_baseline_x4，每个层有16个resblock和64个通道。
如果您没有指定这些参数，就会发生错误，因为您试图从具有32个resblock和每个层256个通道的模型加载参数。
You have to put additional arguments(–n_resblocks, --n_feats, and --res_scale) to test that model.
Please refer to this line!
Also, I recommend you to use --chop argument if there is any trouble with GPU memory.
Thank you.

所以要

python main.py --data_test DIV2K --ext img --n_val 100 --scale 4 --n_resblocks 32 --n_feats 256 --res_scale 0.1 --pre_train ../experiment/model/EDSR_x4.pt --test_only --self_ensemble