torch报错AttributeError: 'ModelProto' object has no attribute 'training'

这个错误通常是因为你正在尝试使用不支持 `training` 属性的模型，例如从 TensorFlow 转换为 PyTorch 模型时可能会发生这种情况。在这种情况下，你需要手动将模型转换为 PyTorch 模型，并将其放入 PyTorch 的训练模式中。

另外，如果你正在使用的是 PyTorch 模型，则可能是因为你的代码中使用了过时的 API。建议您检查代码中是否有使用过时的函数或方法，并更新为最新版本。

相关问题

使用onnx转换pth报错AttributeError: 'ModelProto' object has no attribute 'training'

这个错误可能是因为在转换过程中使用了不兼容的ONNX版本。在某些较旧的ONNX版本中，可能没有“training”属性。

解决方法是使用最新版本的ONNX转换器。您可以使用以下命令安装ONNX转换器的最新版本：

pip install onnxruntime

然后，使用以下命令将模型从PyTorch转换为ONNX：

import torch
import onnxruntime

model = YourModel()
dummy_input = torch.randn(batch_size, channels, height, width)
torch.onnx.export(model, dummy_input, "model.onnx", verbose=True)

最后，使用以下代码加载ONNX模型并执行推理：

sess = onnxruntime.InferenceSession("model.onnx")
input_name = sess.get_inputs()[0].name
output_name = sess.get_outputs()[0].name
outputs = sess.run([output_name], {input_name: input_data})[0]

请注意，可能需要根据您的模型进行一些调整，以便将其转换为ONNX格式。

AttributeError: 'dict' object has no attribute 'training'

这个错误通常发生在使用字典对象作为模型参数传递给训练函数时。训练函数期望模型参数是一个对象，而不是字典。你可以尝试将字典转换为模型对象，或者检查你的代码是否正确设置了模型参数。以下是一个示例代码，可以帮助你将字典转换为模型对象：

import torch.nn as nn

# 定义模型对象
class MyModel(nn.Module):
    def __init__(self, input_dim, output_dim):
        super(MyModel, self).__init__()
        self.fc1 = nn.Linear(input_dim, 64)
        self.fc2 = nn.Linear(64, output_dim)
    
    def forward(self, x):
        x = self.fc1(x)
        x = nn.functional.relu(x)
        x = self.fc2(x)
        return x

# 将字典转换为模型对象
model_dict = {"input_dim": 10, "output_dim": 2}
model = MyModel(**model_dict)

# 使用模型对象进行训练
optimizer = torch.optim.Adam(model.parameters())
loss_fn = nn.CrossEntropyLoss()

x = torch.randn((32, 10))
y = torch.randint(0, 2, (32,))
for i in range(10):
    optimizer.zero_grad()
    output = model(x)
    loss = loss_fn(output, y)
    loss.backward()
    optimizer.step()

如果你的代码已经正确设置了模型参数，那么可能是因为你的训练函数期望的模型对象与你提供的模型对象不匹配，你需要检查一下模型对象的类型是否正确。