Pytorch 负载模型答案

【问题标题】：Pytorch load modelPytorch 负载模型
【发布时间】：2017-09-18 15:37:13
【问题描述】：

我几天前使用了 tensorflow。构建具有固定权重的卷积层很容易，只需将权重内核传递给conv2d()。并且方便加载VGG19等预训练模型。但我发现使用 pytorch 并不能以这种方式工作，因为 conv2d() 不接受显式内核，而是接受内核大小。所以我想知道是否有可能我们可以通过简单地将VGG19 中的权重传递给像conv2d() 这样的方法来重用它。任何回复将不胜感激。

【问题讨论】：

标签： conv-neural-network pytorch

【解决方案1】：

我可以看到您有 2 个问题。如何在 pyTorch 中使用 VGG 等预训练模型，以及如何为 nn.conv2d() 等特定层设置权重。

要创建预训练的 Vgg 模型，您可以使用以下代码。

from torchvision import models    
model_vgg = models.vgg16(pretrained=True)
for param in model_vgg.parameters():
    param.requires_grad = False

在 PyTorch 中，您可以实现神经网络子类化 nn.Module，其中包含参数（）函数，该函数返回与网络相关的所有权重。

设置特定层的权重。

decoder = nn.Linear(10, 100) 
decoder.weight = #Do anything which is valid.

您可以查看我的代码here 以了解有关如何使用经过训练的模型的更多信息。

【讨论】：

非常感谢！！
如果对你有帮助，你可以选择它作为答案。