总结:对经典网络上进行模型改造的方法

 

在实际使用过程中,我们经常对经典网络(比如Resnet、AlexNet等)进行改造,在经典网络的基础上设计我们自己的网络。

情况一:借助model.children()方法

前面讲了可以通过model.children()方法的获取网络的某些层。因此,可以通过以上方法,再加自己的层,得到我们的网络。比如:IDE网络中,我们就是这么做的。如下:

import torchvision.models as models
from torch import nn
from torch.nn import functional as F
import torch

class Resnet50(nn.Module):   #要写网络,必须要继承这个库。
    def __init__(self, num_classes):   #分类数
        super().__init__()

        resnet50 = models.resnet50(pretrained=False)  # 不写self.resnet50是因为不需要在其他的函数中使用。
        self.base = nn.Sequential(*list(resnet50.children())[:-2])   #去掉avg pool和fc层
        self.classifier = nn.Linear(2048, num_classes)

    def forward(self, x):
        x = self.base(x)  
  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值