pytorch冻结模型的权重，不反向传播

ｐｙｔｏｒｃｈ冻结模型权重，不进行梯度反向传播

在 PyTorch 中冻结模型权重，不进行梯度反向传播，可以通过以下几个步骤实现：

1. 将模型的所有参数设置为不需要梯度更新，即设置 requires_grad 属性为 False。

pythonCopy code

for param in model.parameters(): 
    param.requires_grad = False

2.对于需要更新的参数，将其 requires_grad 属性设置为 True。

pythonCopy code

for param in model.fc.parameters(): param.requires_grad = True

这里以 model.fc 为例，表示只对模型中最后一层全连接层的参数进行更新。

3.在训练过程中，将需要更新的参数传入优化器中。

pythonCopy code

optimizer = torch.optim.SGD(filter(lambda p: p.requires_grad, model.parameters()), lr=0.001)

在这里使用了 filter 函数，只选择 requires_grad=True 的参数进行优化，