预训练权重加载

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4k累计阅读 4k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄7年

关注

VIP免费原创最新推荐文章于 2026-04-12 11:31:05 发布 4k 阅读 AI 写同款· GEO 优化 ›

加载预训练权重文件阅读详情

一般为了缩短网络训练时间，并且希望达到更好的精度，我们一般加载预训练权重进行网络的训练。
加载的过程中可能会遇到，网络权重与网络层命名不同的情况。

一、网络结构与权重完全对应


model.load_state_dict(torch.load(weight_pth))

二、网络结构相同，网络层命名不同

def load_weight(net, weight):
	weight_file = '/weight_pth'
	dic={
   
   }
	for

最低0.47元/天解锁文章

收录于

当前文章被以下社区和专栏收录：

标签

#深度学习

【Pytorch】修改网络后加载预训练权重内容本文章带大家如何给自己修改过后的网络，加载预训练权重。很多小伙伴针对某一模型进行修改的时候，在修改模型后想要加载预训练权重，会发现频频报错，其实最主要原因就是权重的shape对应不上。注意：以下方法仅仅针对于在原网络改动不大的情况下加载预训练权重！ 1、.pt文件----->model：从.pt文件直接加载预训练权重。 # 模板 ckpt = torch.load(weights) # 加载预训练权重 model = Model() # 创建我们的模型 model_dict = mode 阅读详情

相关推荐

PyTorch载入预训练权重方法和冻结权重方法

载入预训练权重 1. 直接载入预训练权重简单粗暴法： pretrain_weights_path = "./resnet50.pth" net.load_state_dict(torch.load(pretrain_weights_path)) 如果这里的pretrain_weights与我们训练的网络不同，一般指的是包含大于模型参数时，可以修改为 net.load_state_dict(torch.load(pretrain_weights_path), strict=False) 2. 修改网络结

frighting_ing的博客 1万+

yolo模型修改后怎么加载预训练权重

问题描述修了yolov3网络模型结构，但想要使用原网络的预训练权重解决办法总体思想就是把预训练权重当成一个有序字典处理，其实本质上它就是一个有序字典。有序字典的定义及用法这里不赘述，不了解的自己去查。采用for循环，加载部分权重。代码实现 # 载入与训练权重，此时并未载入网络 ckpt = torch.load(weights, map_location=device) # 取出网络的模型，其中里面的参数是调用:_initialize_weights(self)生成的 model_stat

weixin_54723793的博客 7211

[记录]PyTorch加载预训练权重时可能存在的问题

本文主要记录下我在复现CNN经典模型中加载官方预训练权重需要注意的点以及常见的错误。 1、常规加载预训练权重本节所涉及的方法必须保证模型中每一层的名字与预训练权重的对应层名字相同法1： weights=torch.load(opt.weight,map_location=device) net.load_state_dict(weights) opt.weight是预训练权重的路径；法2： ...

qq_57886603的博客 9491

YOLOv8中YAML自定义结构加载预训练权重深度解析

于是看了一下源码来记录一下。

weixin_44115575的博客 1606

PyTorch模型预训练权重加载

【代码】PyTorch模型预训练权重加载。

m0_73659233的博客 902

Paddle：加载预训练权重以及固定部分权重微调

对于固定网络层：如： stage1→ stage2 → stage3 ，设置 stage2 的输出，假设为。通过设置stop_gradient=True进行实现，比pytorch便捷一些。通过named_parameters来查看，与pytorch基本类似。通过load 和 set_state_dict 函数接口调用实现。，那么， stage1→ stage2 整体都固定了，不再更新。cls0-cls9是网络的10个输出分支，只微调第7个分支权重。3：验证权重固定是否生效。2：固定权重进行微调。

微风❤水墨 2373

深入了解torch框架

大国的游戏，政府支持到位，是未来；AI : Artificial Intelligence，旨在研究、开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，是一种拥有自主学习和推理能力的技术。它模仿人类大脑某些功能，包括感知、学习、理解、决策和问题解决。AI本质 NLP（说话，听）、CV（眼睛）、自动驾驶、机器人（肢体动作）、大模型三要素：数据、网络、算力① 神经网络：找到合适的数学公式；② 训练：用已有数据训练网络，目标是求最优解；③ 推理：用模型预测新样本；PyTorch，简称Torch

qq_74732076的博客 1135

信贷风控实战指南：Vintage分析表从数据建模到风险洞察

本文是一份信贷风控实战指南，详细阐述了Vintage分析从数据建模到风险洞察的全流程。文章深入解析了Vintage分析作为信贷资产“体检报告”的核心价值，并提供了从借据表与还款计划表设计、账龄计算、逾期口径判定到风险暴露计算与最终可视化透视的完整SQL实现方案，旨在帮助风控从业者构建精准的风险监控体系。

nft7creator的博客 321

Veritas NetBackup 10.1 Windows安装指南：从账户配置到完整部署

本文详细介绍了Veritas NetBackup 10.1在Windows系统上的完整安装流程，从账户配置到部署验证。重点讲解了创建专用服务账户、安装组件选择、许可证输入等关键步骤，并提供了常见问题排查和进阶配置建议，帮助用户顺利完成企业级备份解决方案的部署。

weixin_26765287的博客 453

基于Simulink的双向DC-DC变换器在储能系统中的应用仿真

摘要：本文详细介绍了基于Simulink的双向DC-DC变换器在光伏储能系统中的仿真实现。主要内容包括：1）采用非隔离型双向Buck-Boost拓扑作为储能系统枢纽；2）针对750V直流微网中的20kWh锂电池接口场景进行建模；3）详细阐述双闭环控制器设计（电压外环+电流内环）、工作模式判断逻辑等关键步骤；4）通过仿真验证了系统在功率阶跃和模式切换下的性能。文章提供了完整的建模流程和控制方法，为储能系统接口设计提供了实用参考。

amy_mhd的博客 178

热力学仿真软件：SimScale_（1）.SimScale入门与基础操作

导航栏：位于页面顶部，包含项目管理、仿真设置、结果分析等主要功能。项目列表：展示用户创建的所有项目。工作区：用于进行具体的操作，如几何建模、网格划分、边界条件设置等。控制台：显示操作日志和仿真进度。网格划分是将几何模型离散化为一系列小单元的过程，这些单元用于求解热力学方程。SimScale提供了多种网格划分方法，包括结构化网格和非结构化网格。SimScale提供了丰富的API接口，用户可以通过编程语言进行二次开发，实现自动化仿真和结果分析。项目管理：创建、删除和管理项目。几何建模：创建、导入和修复几何模型。

kkchenjj的博客 1866

AFSim2.9.0学习笔记 —— 4.1、创建项目，以此项目介绍工作中Wizard使用（红方/蓝方武器平台、阵营、更换图标等，多图详细介绍）

2252

《YOLO11改进有效涨点》专栏目录 | 目前已有100+篇内容，内含各种Head检测头、损失函数Loss、Backbone、Neck等创新点改进【持续更新】

YOLO11改进专栏目录，YOLO11改进目录

kay_545 1万+

第51节：cesium 范围查询（含源码+视频）

cesium 范围查询

qq_29384639的博客 1497

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

VC中sqlite的使用