Deeplearning/Pytorch,中只导入部分层权重的方法

1. 问题描述：

现有已训练断点保存的权重，但是网络某处修改，导致现有权重与模型网络参数 无法完全匹配：

#原始版本
    # checkpoint = torch.load(best_train_weight_checkpoint_path_from_BCE)
    # net.load_state_dict(checkpoint['net'])

 正确做法：

 

#备注

循环取出pretrain_net['net'].items() 里面的键值对，如果k 在net中 那就取出来保存在 stat_dict中

然后再net_dict中更新原本pretrain中的内容，这样就将添加了原本pretrain中缺少的ape参数 。

总结：

        1. 

1. 基本步骤：
   1. 取出pretrain中 在netdict中有的参数
   2. 然后用netdict update
2. 如果pretrain中多了：还是一样的道理， 一样的步骤