[問題] 同家族、不同模型間的遷移學習?

ctrl + y 可以刪除一整行，請將不需要的內容刪除 文章分類提示: - 問題: 當你想要問問題時，請使用這個類別。 - 討論: 當你自己已經有答案，但是也想聽聽版友意見時。 - 情報: 當你看到消息時，請使用這個類別。 根據板規規定，做適當的轉換，以及摘錄重要文意。 - 心得: 當你自己想要分享經驗時，請使用這個類別。 (回答並非義務，所以當有人回答時，哪怕句謝謝也好，多多回應，大E可編輯文章) 可以試著把程式碼用網站貼出來唷 https://pastebin.com/ (如果用不到以下框架，如觀念問題請自行視情況刪除作業系統,使用工具等項目) 作業系統:win10 問題類別:DL 使用工具:python 問題內容: 板上先進大大們好 看一些文章講到當初VGG的做法是先訓練最小的VGG11然後再用遷移學習的方式讓後面更大的VGG16、VGG19等等能夠享受預訓練帶來的好處 試著做了類似的東西，結果目前自己的方法需要指定對應的各層，發現這樣非常累而且很容易出錯，不知道有沒有比較好的做法 具體點解釋目前自己的作法: 先用迴圈讀取state_dict()，然後自己慢慢算VGG13的哪一層應該要吃VGG11的哪一層的權重 最後寫了超多的if一層一層填進去，相關的部分如下: https://pastebin.com/YCQXK75i 當然我知道用列表之類的做法應該能寫得好看一點，但我的重點不是這個，而是好奇有沒有能夠不用算或是自動算相應層的方法? 感謝 -- https://i.imgur.com/h4Q0F04.jpg 9月23日 發生大事了 因為就在這天，加藤惠誕生了 https://i.imgur.com/H3RhXfJ.jpg -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.77.97.142 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1682762982.A.10C.html