修改ResNet官方pytorch实现版本的输出种类,并使用其ImageNet的预训练模型

本文介绍了如何在ResNet的PyTorch官方实现中修改输出类别,以适应特定任务需求,同时成功加载预训练的ImageNet模型。重点在于理解模型结构并适配不同网络模型的节点数。
摘要由CSDN通过智能技术生成

1.前要

题主在使用ResNet的pytorch版本时,首先用了第三方实现版,发现其运行时GPU占用率特别高,这是不正常的,最后果断想到使用torchversion中的官方实现版,发现其GPU占用率果然比第三方优化很多,batch可以提高很多。但是官方实现版是1000类的输出,我们需要自己定义的输出类型,比如17。这样的话,就没办法加载预训练模型,所以我们想到以下的解决办法,可以成功实现预训练模型的加载。

2实现方法

import torch
import torch.nn as nn
from torchvision.models.resnet import resnet50



class Net(nn.Module)
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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