Created by: lgone2000

在使用图像分类训练时，有一个参数是指定预训练模型。 https://github.com/PaddlePaddle/models/blob/53ea0f3186504a9c619651ce862fa576a9144424/PaddleCV/image_classification/train.py#L291

    if pretrained_model:

        def if_exist(var):
            return os.path.exists(os.path.join(pretrained_model, var.name))

        fluid.io.load_vars(
            exe, pretrained_model, main_program=train_prog, predicate=if_exist)

这段代码如果载入了之前训练的模型，有可能也同时载入了一个

@LR_DECAY_COUNTER@

的变量 （参考文档） ， 会导致learningratedecay策略使用预训练模型里面保存的计数器，而不是从0开始，这个和通常训练预期不符合。经过咨询paddle同学，可以改成如下形式，通过限制载入条件，避免加载这个变量。

 if pretrained_model:

        def check_var(var):
            exists = os.path.exists(os.path.join(pretrained_model, var.name))
            if var.persistable:
                if var.name == '@LR_DECAY_COUNTER@':
                    return False
                else:
                    if not exists:
                        print('missing variable', var.name)
                        return False
                    return True
            return exists

        fluid.io.load_vars(
            exe, pretrained_model, main_program=train_prog, predicate=check_var)
        

另外需要注意的是，分类模型如果需要finetune，需要把最后分类层改一个名字，避免加载错误的参数。经过验证上述改动可用，其他预训练模型使用程序也可能遇到类似问题，供大家参考。

建议paddle同学把这个内容加到文档中明确标明，也同时修改一下models/paddlecv相关代码。