PyTorch 多GPU下模型的保存与加载（踩坑笔记）

这几天在一机多卡的环境下，用pytorch训练模型，遇到很多问题。现总结一个实用的做实验方式：

多GPU下训练，创建模型代码通常如下：

os.environ['CUDA_VISIBLE_DEVICES'] = args.cuda
model = MyModel(args)
if torch.cuda.is_available() and args.use_gpu:
    model = torch.nn.DataParallel(model).cuda()

官方建议的模型保存方式，只保存参数：

torch.save(model.module.state_dict(), "model.pkl")

其实，这样很麻烦，我建议直接保存模型（参数+图）：

torch.save(model, "model.pkl")

这样做很实用，特别是我们需要反复建模和调试的时候。这种情况下模型的加载很方便，因为模型的图已经和参数保存在一起，我们不需要根据不同的模型设置相应的超参，更换对应的网络结构，如下：

 if not (args.pretrained_model_path is None):
        print('load model from %s ...' % args.pretrained_model_path)
        model = torch.load(args.pretrained_model_path)
        print('success!')

但是需要注意，这种方式加载的是多GPU下模型。如果服务器环境变化不大，或者和训练时候是同一个GPU环境，就不会出现问题。

如果系统环境发生了变化，或者，我们只想加载模型参数，亦或是遇到下面的问题：

AttributeError: 'model' object has no attribute 'copy'

或者

AttributeError: 'DataParallel' object has no attribute 'copy'

或者

RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found

这时候我们可以用下面的方式载入模型，先建立模型，然后加载参数。

os.environ['CUDA_VISIBLE_DEVICES'] = args.cuda
# 建立模型
model = MyModel(args)

if torch.cuda.is_available() and args.use_gpu:
    model = torch.nn.DataParallel(model).cuda()

if not (args.pretrained_model_path is None):
    print('load model from %s ...' % args.pretrained_model_path)
    # 获得模型参数
    model_dict = torch.load(args.pretrained_model_path).module.state_dict()
    # 载入参数
    model.module.load_state_dict(model_dict)
    print('success!')