如何在PyTorch中加载部分训练过的模型?

假设为了简单起见,我要加载的模型有4层(layer0, layer1, layer2, layer3)。如果我只希望模型的前两层(layer0和layer1)是预训练的,而layer2和layer3的参数是随机初始化的,我应该如何操作呢?


回答:

你可以通过冻结你不想改变的层(预训练的层),并让其他层保持未冻结状态(它们将继续训练)来实现这一点。

model_ft = models.resnet50(pretrained=True)
ct = 0
for child in model_ft.children():
    ct += 1
    if ct < 7:
        for param in child.parameters():
            param.requires_grad = False

这将冻结Resnet50模型中总共10层中的前6层。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注