模型超参数基本都没改，测试时加载模型报模型结构不匹配，设置模糊加载模型即：model.load_state_dict(torch.load(model_path), strict=Fasle)，但效果出奇的差

原因

多卡训练；单卡模糊加载进行测试。
训练时，通过torch.nn.DataParallel(self.model)进行多卡并行训练；测试时，用单卡模糊加载保存的模型权重，很多模型参数都没有加载成功，自然会导致测试效果很差。

解决方法

测试时，使用多卡加载模型时，删掉'module.'前缀；或者用单卡加载模型进行测试。

# 删掉'module.'前缀
model_cascade1.load_state_dict(get_loaded_dict(weight_c1), strict=True)
def get_loaded_dict(weight_path):
    state_dict = torch.load(weight_path)
        
    # 检查是否有 'module.' 前缀
    has_module_prefix = any(key.startswith('module.') for key in state_dict.keys())
    if has_module_prefix:
        print("Loaded weight was from multi-GPU run. Removing 'module.' prefixes.")
        new_state_dict = {}
        for key, value in state_dict.items():
            if key.startswith('module.'):
                new_key = key[len('module.'):]
                new_state_dict[new_key] = value
            else:
                new_state_dict[key] = value
                
        return new_state_dict
    else:
        print("Loaded weight was not from multi-GPU run. No action needed.")
        return state_dict

解决效果

改动前：

改动后：

收获

我之前一直以为strict=Fasle对模型效果影响不大，这次总算知道影响有多大了。