预训练和迁移学习

最新推荐文章于 2025-03-16 22:03:06 发布

安壑

最新推荐文章于 2025-03-16 22:03:06 发布

阅读量596

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签： pytorch 深度学习

本文链接：https://blog.csdn.net/cw178/article/details/118070307

深度学习专栏收录该内容

4 篇文章

订阅专栏

本文介绍了如何通过PyTorch实现迁移学习，包括下载预训练模型、载入模型并利用预训练特征进行优化的方法。重点讲解了如何从模型权重文件(Torch.load)到状态字典(Net.load_state_dict)的操作流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考链接

一文看懂迁移学习：怎样用预训练模型搞定深度神经网络？

笔记

原模型学习到的特征保存为一个网络文件就是一个预训练模型。
迁移学习是一种优化方法，节省时间。
方法（pytorch）：
1.先下载预训练模型
2.载入预训练模型

Torch.load(model_weight_path) # 是将预训练的模型文件载入到内存中，但是还没有载入到模型中
Net.load_state_dict() # 载入的预训练文件是一个字典的形式。