.load_state_dict只导入部分权重

.load_state_dict()函数可以用来加载模型的权重。默认情况下，它要求完全匹配，即加载的权重字典的键必须与模型的参数键完全匹配，否则会报错。但是，你可以通过将strict参数设置为False来实现部分匹配，这样只会加载权重字典中存在的参数，不匹配的参数会被跳过。例如，你可以使用以下代码来加载部分权重：

pretrained_dict = torch.load(weight_path)
model.load_state_dict(pretrained_dict, strict=False)

这样，只有权重字典中存在的参数才会被加载到模型中，不匹配的参数会被跳过。你还可以使用if语句来进行进一步的筛选，只加载满足特定条件的参数。例如，你可以使用以下代码来加载满足条件的权重：

import pickle

with open(weights_path, 'rb') as f:
    obj = f.read()
    
weights = {key: weight_dict for key, weight_dict in pickle.loads(obj, encoding='latin1').items() if (key in model_dict and 'Prediction' not in key)}
model.load_state_dict(weights)

这样，只有满足条件的权重参数才会被加载到模型中。
#### 引用[.reference_title]
- *1* [Deeplearning/Pytorch,中只导入部分层权重的方法](https://blog.csdn.net/Victorshengw/article/details/128135020)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [Pytorch加载模型只导入部分层权重，即跳过指定网络层的方法](https://blog.csdn.net/m0_61899108/article/details/124469862)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]