_freeze_stages函数第一部分param.requires_grad =False? about yolodet-pytorch HOT 4 CLOSED

models/backbone/resnet.py

from yolodet-pytorch.

感觉这位置应该为True,是我理解错了吗？
还有如果目标类别和预训练模型不一样可以加载预训练模型吗？

具体那个位置？resnet在配置文件里有定义。冻结那几几层的残差块

from yolodet-pytorch.

def _freeze_stages(self):
if self.frozen_stages >= 0:
self.norm1.eval()
for m in [self.conv1, self.norm1]:
for param in m.parameters():
param.requires_grad = False #我觉得这里是不是应该为True

    for i in range(1, self.frozen_stages + 1):
        m = getattr(self, 'layer{}'.format(i))
        m.eval()
        for param in m.parameters():
            param.requires_grad = False

from yolodet-pytorch.

def _freeze_stages(self):
if self.frozen_stages >= 0:
self.norm1.eval()
for m in [self.conv1, self.norm1]:
for param in m.parameters():
param.requires_grad = False #我觉得这里是不是应该为True

    for i in range(1, self.frozen_stages + 1):
        m = getattr(self, 'layer{}'.format(i))
        m.eval()
        for param in m.parameters():
            param.requires_grad = False

这部分代码没有问题，frozen_stages 默认值为-1， param.requires_grad = False，在反向梯度更新的时候叶子节点不更新权重，网络层冻结。 param.requires_grad = True是默认值，默认所有的叶子节点都更新梯度。

from yolodet-pytorch.