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

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)

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值