标签：load 训练 机理 网络 修改 pytorch net 加载

在做二维目标检测时，我们会对神经网络的部分地方进行修改，比如增加CBAM，或者修改FPN等等。但是将修改后的网络进行训练时，加载预训练权重过程却不会报错，甚至修改网络后性能不增反降。这里面蕴含的知识点在这篇文章做做一个总结。

pytorch中网络导入预训练权重的代码很简单：

net = model()
net.to(device)
net.load_state_dict(torch.load('params.pth'))

其中：

• torch.load('params.pth')只是加载了模型参数，并没有将参数放入网络中。这里是将参数以键值对的方式加载到了内存中。
• load_state_dict方法才是将参数字典放入网络中。

当我们对网络做了修改后，我们只需要按下面的方式做，就可以将之前的预训练权重加载到新网络中。在mmdetection或者一些大牛的开源代码中，修改网络后仍然能加载预训练权重也是因为以下原因

标签：load,训练,机理,网络,修改,pytorch,net,加载
来源： https://blog.csdn.net/qq_42308217/article/details/123140481

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。