pytorch 如何以最方便的方式固定前置网络（特征提取网络）的参数

Jie Ou

于 2018-11-27 15:34:57 发布

阅读量3.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： pytorch python 文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/github_36923418/article/details/84566821

python 同时被 2 个专栏收录

44 篇文章

订阅专栏

pytorch

18 篇文章

订阅专栏

本文介绍了一种在深度学习中固定预训练模型Cnn1参数的方法，用于训练新的模型Cnn2。通过设置requires_grad为False，确保Cnn1在训练过程中不更新权重，从而将Cnn1作为特征提取器使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

已经训练好了cnn1，现在想要用cnn1输出的结果来训练cnn2，但是要完全固定cnn1的参数：

self.step1=cnn1()
for p in cnn1.parameters():
    p.requires_grad = False
self.init_=torch.load('cnn1.weight.path.pth.tar')
self.step1.load_state_dict(self.init_['state_dict'])

self.cnn2=~~~~
self.cnn3=~~~~~


def forward(x)
    x=self.step1(x)
    x=self.cnn2(x)
    return self.cnn3(x)