希望將訓練好的模型加載到新的網絡上。如上面題目所描述的，PyTorch在加載之前保存的模型參數的時候，遇到了問題。
Unexpected key(s) in state_dict: "module.features. ...".，Expected ".features....". 直接原因是key值名字不對應。
表明了加載過程中，期望獲得的key值爲feature...，而不是module.features....。這是由模型保存過程中導致的，模型應該是在DataParallel模式下面，也就是採用了多GPU訓練模型，然後直接保存的。
You probably saved the model using nn.DataParallel, which stores the model in module, and now you are trying to load it without . You can either add a nn.DataParallel temporarily in your network for loading purposes, or you can load the weights file, create a new ordered dict without the module prefix, and load it back.
解決上面的問題有三個辦法：
1. 對load的模型創建新的字典，去掉不需要的key值"module".
# original saved file with DataParallel
state_dict = torch.load('checkpoint.pt') # 模型可以保存爲pth文件，也可以爲pt文件。
# create new OrderedDict that does not contain `module.`
from collections import OrderedDict
new_state_dict = OrderedDict()
for k, v in state_dict.items():
name = k[7:] # remove `module.`，表面從第7個key值字符取到最後一個字符，正好去掉了module.
new_state_dict[name] = v #新字典的key值對應的value爲一一對應的值。
# load params
model.load_state_dict(new_state_dict) # 從新加載這個模型。
2. 直接用空白''代替'module.'
model.load_state_dict({k.replace('module.',''):v for k,v in torch.load('checkpoint.pt').items()})
# 相當於用''代替'module.'。
#直接使得需要的鍵名等於期望的鍵名。
3. 最簡單的方法，加載模型之後，接着將模型DataParallel，此時就可以load_state_dict。
如果有多個GPU，將模型並行化，用DataParallel來操作。這個過程會將key值加一個"module. ***"。
model = VGG()# 實例化自己的模型；
checkpoint = torch.load('checkpoint.pt', map_location='cpu') # 加載模型文件，pt, pth 文件都可以；
if torch.cuda.device_count() > 1:
# 如果有多個GPU，將模型並行化，用DataParallel來操作。這個過程會將key值加一個"module. ***"。
model = nn.DataParallel(model)
model.load_state_dict(checkpoint) # 接着就可以將模型參數load進模型。
4. 總結
從出錯顯示的問題就可以看出，key值不匹配，因此可以選擇多種方法，將模型參數加載進去。 這個方法通常會在load_state_dict過程中遇到。將訓練好的一個網絡參數，移植到另外一個網絡上面，繼續訓練。或者將訓練好的網絡checkpoint加載進模型，再次進行訓練。可以打印出model state_dict來看出兩者的差別。
model = VGGNet()
params=model.state_dict() #獲得模型的原始狀態以及參數。
for k,v in params.items():
print(k) #只打印key值，不打印具體參數。
features.0.0.weight
features.0.1.weight
features.1.conv.3.weight
features.1.conv.4.num_batches_tracked
model = VGGNet()
checkpoint = torch.load('checkpoint.pt', map_location='cpu')
# Load weights to resume from checkpoint。
# print('**************************************')
# 這個方法能夠直接打印出你保存的checkpoint的鍵和值。
for k,v in checkpoint.items():
print(k)
print("*****************************************")
輸出結果爲：
module.features.0.0.weight",
"module.features.0.1.weight",
"module.features.0.1.bias
可以看出不匹配，模型的參數中，key值不同，多了module。