_freeze_stages函数第一部分param.requires_grad =False?

[dsp6414]

感觉这位置应该为True,是我理解错了吗？ 还有如果目标类别和预训练模型不一样可以加载预训练模型吗？

[dsp6414]

models/backbone/resnet.py

[wuzhihao7788]

感觉这位置应该为True,是我理解错了吗？ 还有如果目标类别和预训练模型不一样可以加载预训练模型吗？

具体那个位置？resnet在配置文件里有定义。冻结那几几层的残差块

[dsp6414]

def _freeze_stages(self): if self.frozen_stages >= 0: self.norm1.eval() for m in [self.conv1, self.norm1]: for param in m.parameters(): param.requires_grad = False #我觉得这里是不是应该为True

    for i in range(1, self.frozen_stages + 1):
        m = getattr(self, 'layer{}'.format(i))
        m.eval()
        for param in m.parameters():
            param.requires_grad = False

[wuzhihao7788]

def _freeze_stages(self): if self.frozen_stages >= 0: self.norm1.eval() for m in [self.conv1, self.norm1]: for param in m.parameters(): param.requires_grad = False #我觉得这里是不是应该为True

    for i in range(1, self.frozen_stages + 1):
        m = getattr(self, 'layer{}'.format(i))
        m.eval()
        for param in m.parameters():
            param.requires_grad = False

这部分代码没有问题，frozen_stages 默认值为-1， param.requires_grad = False，在反向梯度更新的时候叶子节点不更新权重，网络层冻结。 param.requires_grad = True是默认值，默认所有的叶子节点都更新梯度。