迁移学习、载入预训练权重和冻结权重_使用迁移学习的方法加载预训练权重_如何加载预训练权重

//这里的想法是：拿出预训练权重（字典）的key和value，通过获取我们自己网络中与预训练权重中网络层名称一样的的层，拿到相同个数的网络层，删除不一致的
pre_dict = {k: v for k, v in pre_weights.items() if net.state_dict()[k].numel() == v.numel()}

missing_keys, unexpected_keys = net.load_state_dict(pre_dict, strict=False) //将特征提取层的权重送进网络，这里的strict设置为False后，就不用预训练权重的网络结构和我们自己的网络完全key值一致

而第三种方法，在创建网络时候，更改最后的全连接层节点个数，直接net.load\_state\_dict()方法载入会报错的



1
2
3
4
5

net = MobileNetV2()
net.load_state_dict(torch.load(pre_trained_pth), strict=False)
//方法三：
in_channel = net.fc.in_feacture
net.fc = nn.Linear(in_channel, 5) //这里为什么是.fc，道理同下，下面具体讲解了

> 
> 这里另外说一下为什么删除预训练权重中全连接层的参数，上方代码的判断语句中必须是“fc”？？？  
>  其实不然，取决于你搭建网络时类变量名称的定义，可以通过来查看每个网络层的名称：
> 
> 
> 



1
2
3
4
5
6
7
8
9
10
11

net = MobileNe