关于torch.load的一点小tip

今天同事问我，他说好奇怪啊，为啥这个模型总是加载报错啊，总是报显存不足，喊我过去看看，我去瞄了一下，说你试试在torch.load里面加一个参数，指定cpu加载

torch.load('XXX.pth', map_location='cpu')

看了下内存变化，然后发现内存也不过是增加2G左右而已，而看了下显卡信息，明明是空的，那为啥会报显存不足的错呢。

此时又看了下，这台电脑是双显卡，另一张卡在跑程序，显存占用快满了，我就问了一句，你这张空卡加载别的模型可以么，回复可以的，再问，你能确定没有加载到这个满卡上，回复，怎么会呢，明明device写的是‘cuda:0’。

我就让他把torch.load里面的'cpu' 改为‘cuda:0’，发现一切正常了

这里面具体什么原理我也不太清楚，只是有一点，这个"map_location"的参数，如果你不指定的话，他是你这个模型在什么设备上保存，就会加载到什么设备上，所以他这个模型应该是在卡1上保存的，然后加载的时候默认加载到卡1上，然后报错了。

在这个问题上，差不多就是，你在gpu上训练的模型，在无gpu的设备上load，会报错是一样的道理，必须要指定"map_location"参数为'cpu'，就这么简单，至于什么device，和这个没关系

网上下载过一些项目来借鉴、学习、使用的，看到个人觉得比较规范的写法就是先加载到cpu，再to到相应的device，这样可以避免，他使用的设备在我这边没有，而不可使用的情况，个人觉得还是比较有意义的。

 

附带一个小知识，以前在用tensorflow的时候，一般会一起装一个tensorboard，那时候也不知道是啥，也不会用，有没有曲线输出，完全取决于git上别人的代码有没有写，后来用pytorch，也就没有这个玩意了，更没操心了，后来下载代码的时候，发现有个库叫tensorboardX，这个就可以提供绘制曲线的功能了，再后来pytorch自己集成了，使用上，似乎是和tensorboardX是一样的

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter('./log')

writer.add_scalar('Loss/train', loss.item(), global_step)

writer.add_scalar('Acc/acc1', acc1[0], global_step)
writer.add_scalar('Acc/acc5', acc5[0], global_step)

先引用这个包，然后创建一个写入实例，这里就提供一下生成曲线的api，他就是每次画一个点，横坐标就是global_step，纵坐标就是loss了，然后多个点呈现的时候会自动连城线，前面的路径一样的东西，这么写的话，他会有一个栏目叫Loss，下面有一张图叫train，需要注意的是，这个global_step应该是全局的哦，不要下一个循环就变为0了，这样你会看到这个曲线会很奇怪的

 

终端里面敲“tensorboard --logdir=./log”，然后就会出现一个网址，点击进去就能看到了，这个./log就是前面创建写入实例的时候的路径哈，其实这个路径里面是可以有多个文件夹的，这样你指定母文件夹的话，他会把每个文件夹当成一个项目来呈现，用不同颜色来表示，感兴趣可以自己试试

知识很小，但是谁还不是AI小学生呢，大家一起努力