我自己改進的模型為model（model = ResNet(Bottleneck, [3, 4, 6, 3], **kwargs)），原模型為resnet50。
1.查看模型參數
現模型：
1 model_dict = model.state_dict() 2 for k,v in model_dict.items(): 3 print(k)
預訓練模型參數
1 pretrained_dict = model_zoo.load_url(model_urls['resnet50']) 2 for k,v in pretrained_dict.items(): 3 print(k)
2.將預訓練參數賦給自己改進的模型
改進的模型參數和原模型參數一致時：
1 import torch.utils.model_zoo as model_zoo 2 3 model_urls = { 4 'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth' 5 } 6 7 model.load_state_dict(model_zoo.load_url(model_urls['resnet50']), strict=False)
Tip：如果兩個模型參數完全一致的話，strict=True，如果兩個模型參數不一致的話，當strict=False預訓練模型會把具有相同參數名稱的值賦給改進的參數，不相同的則不賦值。
改進的模型參數和原模型參數不一致時，使用部分預訓練模型參數初始化網絡 ：
1 model_dict = model.state_dict() #取出自己模型的網絡參數 2 pretrained_dict = model_zoo.load_url(model_urls['resnet50']) 3 4 model_dict['classifiers.3.fc.weight'] = pretrained_dict['fc.weight'][:2] 5 model_dict['classifiers.3.fc.bias'] = pretrained_dict['fc.bias'][:2]