Python 装货及；冻结预训练模型以与新网络结合

我有一个预训练的模型，并希望在其上构建一个分类器。我试图加载并冻结预训练模型的权重，并将其输出传递给新的分类器，我希望对其进行优化。到目前为止，我只知道一个

TypeError:forward（）缺少一个必需的位置参数：“x”

错误，来自

nn。Sequential

行：

import model #model.py contains the architecture of the pretrained model

class Classifier(nn.Module):
    def __init__(self):
        ...
    def forward(self, x):
        ...

net = model.Model()
net.load_state_dict(checkpoint["net"])

for c in net.children():
    for param in child.parameters():
        params.requires_grad = False

model = nn.Sequential(nn.ModuleList(net()), Classifier())

---

TL；DR

model=nn.Sequential（nn.ModuleList（net），分类器（））

---

---

您正在通过

net（）

“调用”

net.forward

，这与

Classifier（）

中

分类器

类的

初始化

方法相反，我在PyTorch论坛上与@ptrblck讨论后终于解决了这个问题。该解决方案与Shai的答案类似，只是因为

net

包含

model.model

类的实例，所以应该执行

model=nn.Sequential（net，Classifier（））

，而不调用

nn.ModuleList（）