Python 如何在PyTorch中加载部分训练的模型？

为了简单起见，假设我加载的模型有4个层（layer0、layer1、layer2、layer3）。如果我只想对模型进行预训练，比如说第0层和第1层，但随机初始化了第2层和第3层的参数，我怎么能做到这一点呢？

你可以通过冻结你希望它不改变的层（预训练），而不冻结其他层（它们将继续训练）

model\u ft=models.resnet50（pretrained=True）
ct=0
对于模型_ft.children（）中的子项：
ct+=1
如果ct<7：
对于child.parameters（）中的参数：
param.requires_grad=False

---

这冻结了Resnet50总共10层中的1-6层。

我想我没有解释清楚。我不想冻结图层。我想使用随机初始化对它们进行重新训练。所以我不希望在训练开始时就有预先训练好的重量。不确定这是否有意义。哦，我明白了。您可以在if语句中使用

child.reset_parameters（）

，而不是在更改条件后冻结层。我不确定它是否有效，所以告诉我结果。

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