如何使用Pytorch冻结特定层（layers）的name进行训练？

本文共计174个文字，预计阅读时间需要1分钟。

使用 `model.named_parameters()` 可以轻松获取模型的所有参数，而 `model.cuda()` 则能将模型移动到GPU上，加速训练过程。

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)

以上这篇Pytorch根据layers的name冻结训练方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。