问题出在你的模型中，你的模型中有一个Tensor，它使用相同的内存来存储多个值，并且有东西试图写入它。
例如，我可以使用expand创建一个Tensor，其中多行占用同一内存，并且修改一个值实际上会更改两个值：

>>> x = torch.tensor([1,2,3]).expand( (2,3) )
>>> x
tensor([[1, 2, 3],
        [1, 2, 3]])
>>> x[0,0]
tensor(1)
>>> x[0,0] = 99
>>> x
tensor([[99,  2,  3],
        [99,  2,  3]])
>>>

字符串
你的模型中有类似的东西，所以我假设检查点加载代码不知道如何处理它，但是检查堆栈跟踪来确定。它要求你克隆有问题的Tensor（在你的模型中）。例如x = x.clone()
我可以修改上面的代码，添加clone，以避免重复的99

>>> x = torch.tensor([1,2,3]).expand( (2,3) ).clone()
>>> x[0,0]=99
>>> x
tensor([[99,  2,  3],
        [ 1,  2,  3]])

型
你的问题可能不是expand，有很多pytorch函数可能会导致不连续的Tensor。仅供参考，你也可以使用.contiguous()来代替.clone()。
另外，这里有一个对上面的Tensor进行就地修改的例子，复制你的错误消息。同样，有很多方法可以获得这样的内存共享Tensor，也有很多方法可以就地修改它们：

>>> x = torch.tensor([1,2,3]).expand( (2,3) )
>>> x.mul_(5)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: unsupported operation: more than one element of the written-to tensor refers to a single memory location. Please clone() the tensor before performing the operation.

型

我的假设是，您使用DataParallel来训练模型。如果您的模型具有名为“weight”的参数，则在使用DataParallel时，状态字典中的键将是“module. weight”。DataParallel会自动使用具有此前缀的模块 Package 模型。
所以试试看：

if 'module.' in list(chkpt['model_state_dict'].keys())[0]:
new_state_dict = {}
for key, value in chkpt['model_state_dict'].items():
    new_key = key.replace('module.', '')
    new_state_dict[new_key] = value
chkpt['model_state_dict'] = new_state_dict

字符串
在net.load_state_dict(chkpt['model_state_dict'])之前。“