加载和冻结预训练模型以与新网络结合

Question

我有一个预训练模型，并想在它之上构建一个分类器。 我正在尝试加载和冻结预训练模型的权重，并将其输出传递给我想要优化的新分类器。 这是我到目前为止所拥有的，我有nn.Sequential在TypeError: forward() missing 1 required positional argument: 'x' error from the nn.Sequential行：

import model #model.py contains the architecture of the pretrained model

class Classifier(nn.Module):
    def __init__(self):
        ...
    def forward(self, x):
        ...

net = model.Model()
net.load_state_dict(checkpoint["net"])

for c in net.children():
    for param in child.parameters():
        params.requires_grad = False

model = nn.Sequential(nn.ModuleList(net()), Classifier())

Answer 1

TL; 博士

model = nn.Sequential(nn.ModuleList(net), Classifier())

---

您通过net() “调用” net.forward ，而不是Classifier()中Classifier类的__init__方法。

Answer 2

在与 PyTorch 论坛的 @ptrblck 讨论后，我终于解决了这个问题。 该解决方案类似于夏嘉曦的答案，只是因为net包含的实例model.Model类，一个应该做的model = nn.Sequential(net, Classifier())来代替，而不调用nn.ModuleList()