预训练VGG16冻结卷积层训练分类器时出现RuntimeError报错如何解决

• 错误使用requires_grad_接口：requires_grad_是PyTorch内置的可调用方法，不是可赋值属性，代码中model_conv.classifier.requires_grad_=True的写法完全不生效，遍历冻结所有参数后，分类器层的参数requires_grad仍为False，反向传播时没有可计算的梯度触发报错。
• 分类层修改逻辑错误：直接修改out_features属性仅改变了参数描述值，没有实际修改分类层的权重张量形状，也不会自动开启参数梯度，同时还会导致后续计算时输出维度和标签维度不匹配的隐藏问题。

直接替换VGG16分类器的最后一层全连接层即可，新生成的层参数默认开启梯度，无需额外手动设置梯度开关，完全匹配「冻结卷积层仅训练分类器」的需求，修复后代码如下：

model_conv = torchvision.models.vgg16(pretrained=True)
# 冻结全部参数
for param in model_conv.parameters():
    param.requires_grad = False
# 替换最后一层全连接层，适配自定义数据集类别数
num_ftrs = model_conv.classifier[6].in_features
model_conv.classifier[6] = nn.Linear(num_ftrs, len(class_names))

model_conv = model_conv.to(device)

criterion = nn.CrossEntropyLoss()

optimizer_conv = optim.SGD(model_conv.classifier.parameters(), lr=0.001, momentum=0.9)

exp_lr_scheduler = lr_scheduler.StepLR(optimizer_conv, step_size=7, gamma=0.1)

内容的提问来源于stack exchange，提问作者Dhruv Vashist