如何在chainer v2.0中修复学习网络中的图层参数？

Question

假设我在其他数据库上预先训练了网络。由于过度拟合问题，我的数据库不是很多样化，因此过度拟合问题非常严重。我想在chainer v2.0中加载预训练的网络参数但要修复前几个层，在这种情况下，我应该在chainer1.0中使用什么，我知道在chainer1.0中有volatile关键字但在v2中已弃用0.0。

在前几个图层中进行处理时，我应该在chainer.no_backprop_mode():内使用def __call__吗？

Answer 1

是的，您可以在前向计算代码中使用chainer.no_backprop_mode()上下文管理器来修复特定图层的参数。这是一个例子：

def __call__(self, x):
    with chainer.no_backprop_mode():
        h1 = F.relu(self.l1(x))
    h2 = F.relu(self.l2(h1))
    return self.l3(h2)