Question

我有一个预先训练的模型，想在它的基础上建立一个分类器。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希望优化的新分类器。到目前为止，这里的内容是，我有点陷入TypeError: forward() missing 1 required positional argument: 'x'行中的nn.Sequential错误：

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; DR

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

您正在用net.forward“呼叫” net()，而不是__init__中Classifier class 的Classifier()方法

Answer 2

在与PyTorch论坛的@ptrblck讨论之后，我终于解决了这个问题。该解决方案与Shai的答案类似，只是因为net包含model.Model类的实例，所以应该执行model = nn.Sequential(net, Classifier())而不调用nn.ModuleList()。

加载和冻结预训练模型以与新网络结合

2 个答案: