Pytorch 无法通过图层名称手动指定新参数

我正在尝试手动为我的pytorch模型指定新权重。我可以这样分配新权重：

将scipy.io导入为sio
进口火炬
caffe_参数=sio.loadmat（'export_conv1_1.mat'））
net.conv1_1.weight=torch.nn.参数（torch.from_numpy（caffe_参数['w']））
net.conv1_1.bias=torch.nn.参数（torch.from_numpy（caffe_参数['b'））
caffe_参数=sio.loadmat（'export_conv2_1.mat'））
net.conv2_1.weight=torch.nn.参数（torch.from_numpy（caffe_参数['w']））
net.conv2_1.bias=torch.nn.参数（torch.from_numpy（caffe_参数['b'））

因为我有很多层，所以我不想通过它的名称手动分配每个层。相反，我更希望在图层名称列表上循环并自动指定它们。大概是这样的：

varList=['conv2_1'，'conv2_2']
对于varList中的名称：
caffe_参数=sio.loadmat（rootDir+'export_'+name+'.mat'）
setattr（净，名称+'.weight'，torch.nn.参数（torch.from_numpy（caffe_参数['w']））
setattr（net，name+'.bias'，torch.nn.参数（torch.from_numpy（caffe_参数['b']））

---

不幸的是，这不起作用。我猜

setattr

既不适用于pytorch Weights，也不适用于类型为

layername.weight

的属性，这意味着要分配的属性相对于

net

具有深度2。以下工作是否有效

for name in varList:
    caffe_params = sio.loadmat(rootDir + 'export_' + name + '.mat')
    getattr(net, name).weight.data.copy_(torch.from_numpy(caffe_params['w']))
    getattr(net, name).bias.data.copy_(torch.from_numpy(caffe_params['b']))