我使用Pytorch编写了一个语义分割网络，使用torchsummary查看了模型参数量，发现全部参数都是可训练的，没有不可训练参数，请问是正常情况吗？如果不是，是什么原因引起的？
Pytorch编写的卷积神经网络，可训练参数量和总参数量相等，没有不可训练参数，是正常情况吗？
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
2条回答 默认 最新
CSDN专家-kaily 2021-05-14 11:57关注这是很正常的啊，可以选择 freeze 部分层的参数，也可以所有参数都进行训练，这种也叫 fine-tuning
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏举报 分享
- 2025-01-03 12:15whaosoft-143的博客 此外，LiNO 在面临不同噪声水平的挑战时，依然展现出了卓越的鲁棒性和可靠性，如图 5 所示，这不仅验证了其设计的稳健性，也进一步证实了在时间序列预测模型中区分线性与非线性模式对于提升预测鲁棒性的重要性。...
- 2020-10-18 20:40一种tang两种味的博客 在卷积神经网络中，感受野 (receptive field)的定义是 卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。 18.模型欠拟合什么情况下会出现？有什么解决方案？ 模型复杂度过低，...
- 2022-06-09 00:49倘若我问心无愧呢丶的博客 因此，在可比较的参数量和目标精度的情况下，MINER比SOTA方法的训练速度要快十多倍。MINER可以在不到3小时的时间内表示超过38dB的十亿像素图像，而ACORN等技术需要超过一天的时间。对于3D点云，MINER在不到三分钟的...
- 2026-01-16 17:45retrofit的博客 Transformer模型不再使用RNN来处理序列问题，而是完全采用注意力机制通过编码、解码和上下文向量等技术，克服了RNN难以并行处理的缺陷，取得了很好的效果，是目前应用最为广泛的处理序列问题的方法。
- 2025-07-17 15:31绝不原创的飞龙的博客 像 Alexa 和 Siri 这样的虚拟助手处理我们的请求，谷歌的汽车已经开始读取地址，亚马逊的价格和 Netflix 的推荐视频由人工智能决定。人工智能是最令人兴奋的技术之一，并且在现代世界中变得越来越重要。初学者的动手...
- 2024-10-16 00:03绝不原创的飞龙的博客 我们将探索如何构建更灵活的训练循环。到目前为止，我们一直在使用模型适合，如果您可以使用模型适合那是很棒的。但有时候你需要更多的灵活性。所以在这个视频中我们将看看如何自定义模型适合。然后在下一个视频中，...
- 2025-06-16 00:26宅男很神经的博客 在卷积神经网络（Convolutional Neural Network, CNN）的璀璨星河中，VGG（Visual Geometry Group）网络家族的出现，并非一次技术上的偶然突变，而是一场深刻的、影响至今的哲学革命。它并非以奇诡的结构或复杂的...
- 2024-03-20 17:08写编程的木木的博客 首先不同模型所生成的图风格是会完全不一样的，在C 站上可以直接下载模型。用户只需要把CHECKPOINT格式的模型下载下来并放到这个路径下就可以直接使用。在 WebUI 界面左上角既可以选择模型：我将其按风格分成两大类...
- 没有解决我的问题, 去提问
