手写文本(图像)预训练模型的预测-Pytorch

Question

我有一个使用预训练模型进行预测的问题，该模型包含用于手写文本识别的编码器和解码器。我所做的是:

checkpoint = torch.load("Model/SPAN/SPAN-PT-RA_rimes.pt",map_location=torch.device('cpu'))
encoder_state_dict = checkpoint['encoder_state_dict']
decoder_state_dict = checkpoint['decoder_state_dict']
img = torch.LongTensor(img).unsqueeze(1).to(torch.device('cpu'))
global_pred = decoder_state_dict(encoder_state_dict(img))

生成如下错误:

TypeError: 'collections.OrderedDict' object is not callable

我将非常感谢你的帮助!^ _ ^

Answer 1

encoder_state_dict和decoder_state_dict不是火炬模型，而是张量的集合(字典)，其中包括您加载的检查点的预训练参数。

将输入(例如转换后的输入图像)提供给这样的张量集合是没有意义的。实际上，您应该使用这些stat_dicts(即，预训练张量的集合)将它们加载到映射到网络的模型对象的参数中。参见torch.nn.Module类