pytorch冻结参数

这个主要用在微调的时候

# 冻结参数,这个就是将resnet34中原本的层的param参数不传播，新加的传播
    for param in finetune_net.features.parameters():
        param.requires_grad = False

比如，这个resnet34,它的输出是1000分类，我们下载了这个resnet34已经它训练好的参数，并且我们再其后面加入了两个线性层，但是我们在训练的时候不想让其下载的参数改变，只让那两层线性层进行训练，然后我们可以使用冻结参数，让其参数不参与训练，比如：

# 微调预训练模型
def get_net():
    finetune_net = nn.Sequential()
    finetune_net.features = torchvision.models.resnet34(pretrained=True)
    # 定义一个新的输出网络，共有120个输出类别
    finetune_net.output_new = nn.Sequential(nn.Linear(1000, 256),
                                            nn.ReLU(),
                                            nn.Linear(256, 120))
    # 冻结参数,这个就是将resnet34中原本的层的param参数不传播，新加的传播
    for param in finetune_net.features.parameters():
        param.requires_grad = False
    return finetune_net