model.state_dict()与model.named_parameters

最新推荐文章于 2024-07-25 22:32:26 发布

A1chemist

最新推荐文章于 2024-07-25 22:32:26 发布

阅读量576

点赞数

分类专栏：深度学习相关文章标签：面试

本文链接：https://blog.csdn.net/SnaiL2333/article/details/120496747

版权

深度学习相关专栏收录该内容

4 篇文章 0 订阅

订阅专栏

本文介绍了PyTorch中模型参数的两种访问方法：state_dict()和named_parameters()。state_dict()返回所有参数的字典，常用于模型的保存与加载；named_parameters()则生成可迭代的参数名和参数对，适用于锁定部分层以避免训练时更新。通过这两个方法，开发者可以灵活地管理模型的训练状态。

摘要由CSDN通过智能技术生成

pytorch中模型参数访问方法有三种：
model.state_dict(), model.named_parameters, model.named_parameters.三种方式有细微的差别:
model.state_dict():
返回的是字典对象，包含可学习与不可学习的所有参数，所以常常用来保存模型或者加载模型。
model.named_parameters：
返回的是可迭代对象，生成器中只保存了可学习、可被优化器更新的参数的参数名和具体的参数，常常用来锁住某些层的参数，让其在训练的时候不更新参数。
时间紧张，不在详细展开说明了，面试完再说吧。。。。淦！