使用model.named_parameters()可以轻松搞定，
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
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服务器之家。
原文链接：https://blog.csdn.net/xiaojiajia007/article/details/97175643
