迁移学习的核心是加载已经训练好的模型,调整其分类器结构,进行二次训练。虽然百度推出了PaddleCls框架,可以无脑的进行迁移学习。但这不符合AI工程师的风格,反倒像给小白使用的。因此,对paddle框架内置的模型进行挖掘,努力用原生代码实现迁移学习。所挖掘出的可迁移模型共有'ResNet', 'resnet18', 'resnet34', 'resnet50', 'resnet101', 'resnet152', 'VGG', 'vgg11', 'vgg13', 'vgg16', 'vgg19', 'MobileNetV1', 'mobilenet_v1', 'MobileNetV2', 'mobilenet_v2', 'LeNet','alexnet', 'darknet53', 'densenet121', 'densenet161', 'densenet169', 'densenet201', 'densenet264', 'googlenet', 'inceptionv3', 'inceptionv4', 'mobilenetv1', 'mobilenetv1_x0_25', 'mobilenetv1_x0_5', 'mobilenetv1_x0_75', 'mobilenetv2_x0_25', 'mobilenetv2_x0_5', 'mobilenetv2_x0_75', 'mobilenetv2_x1_5&
paddlepaddle 6 面向图像分类的迁移学习
于 2022-01-25 17:07:56 首次发布