新版本Pytorch中load_lua失效的解决办法及参数获取

由于 torch.utils.serialization被从新版Pytorch中移除了，可选的方法有两种
方法一：
简单方法，能读入数据，但丢失网络结构信息
import torchfile 替代 from torch.utils.serialization import load_lua
同时torchfile.load 替换 load_lua

但是在运行Pytorch0.4.1代码时加载models，这种替换会出现读入格式的错误，例如https://github.com/sunshineatnoon/PytorchWCT的代码。
运行self.conv1.weight = torch.nn.Parameter(vgg1.get(0).weight.float())
会报错TypeError: ‘NoneType’ object is not callable
方法二：
解决办法是将Lua Torch model 转换为 PyTorch model，同时替换网络中读取参数的命令

将Lua Torch model 转换为 PyTorch model，需要使用Pytorch0.4.1。可以通过设置安装环境，避免pytorch版本冲突的问题。

1.环境配准方法如下

设置安装环境，可以通过两个Python空间安装不同版本的pytorch
创建一个名为python36的环境，指定Python版本是3.6（不用管是3.6.x，conda会为我们自动寻找3.6.x中的最新版本）
conda create --name python36 python=3.6

安装好后，使用activate激活某个环境
source activate python36

2.配置和环境后，安装Pytorch0.4.1，方法https://www.pytorchtutorial.com/pytorch-installation-commands/，仅安装pytorch即可，不用安装torchvision

3.随后即可使用Pytorch0.4.1转换数据
转换.t7向.pth数据转换代码见https://github.com/clcarwin/convert_torch_to_pytorch

4.将.t7转换为.pth后，如下代码可以读入.pth的网络参数，并赋给new_state_dict。

import torch
from collections import OrderedDict
vgg1 = torch.load('./models/vgg_normalised_conv1_1.pth')
new_state_dict = OrderedDict()
for name, v in vgg1.items():
    print(name)
    new_state_dict[name] = v

name即为.pth的索引，name的值为
0.weight
0.bias
2.weight
2.bias

vgg1['0.weight']#名为'0.weight'的层参数

5.将部分网络参数赋值给新网络
首先建立新的网络，模型（层）必须与读入的.pth一致，随后将Lua网络层的参数读取替换。
vgg1.get(0).weight.float()替换为vgg1[‘0.weight’].float()
例子如下

class encoder1(nn.Module):
    def __init__(self,vgg1):
        super(encoder1,self).__init__()
        # dissemble vgg2 and decoder2 layer by layer
        # then resemble a new encoder-decoder network
        # 224 x 224
        self.conv1 = nn.Conv2d(3,3,1,1,0)
        # self.conv1.weight = torch.nn.Parameter(vgg1.get(0).weight.float())
        # self.conv1.bias = torch.nn.Parameter(vgg1.get(0).bias.float())
        #替换层参数获取方法
        self.conv1.weight = torch.nn.Parameter(vgg1['0.weight'].float())
        self.conv1.bias = torch.nn.Parameter(vgg1['0.bias'].float())