这篇文章主要介绍了Pytorch如何根据layers的name实现冻结训练方式，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。
使用model.named_parameters()可以轻松搞定，
model.cuda() # ######################################## Froze some layers to fine-turn the model ######################## for name, param in model.named_parameters(): # 带有参数名的模型的各个层包含的参数遍历 if 'out' or 'merge' or 'before_regress' in name: # 判断参数名字符串中是否包含某些关键字 continue param.requires_grad = False # ############################################################################################################# optimizer = optim.SGD(filter(lambda p: p.requires_grad, model.parameters()), lr=opt.learning_rate * args.world_size, momentum=0.9, weight_decay=5e-4)
感谢你能够认真阅读完这篇文章，希望小编分享的“Pytorch如何根据layers的name实现冻结训练方式”这篇文章对大家有帮助，同时也希望大家多多支持本站，关注本站行业资讯频道，更多相关知识等着你来学习!
![[Pytorch框架] 4.2.1 使用Visdom在 PyTorch 中进行可视化](https://www.kunjuke.com/file/css/thumb/5.jpg/280-180.jpg)
![[Pytorch框架] 1.4 Autograd：自动求导](https://www.kunjuke.com/file/css/thumb/1.jpg/280-180.jpg)
