pytorch 如何加载预训练权重并更改网络某一层的卷积核

最新推荐文章于 2023-02-28 14:36:19 发布

qq1426454578

最新推荐文章于 2023-02-28 14:36:19 发布

阅读量2.8k

点赞数 1

文章标签： python 卷积神经网络

本文链接：https://blog.csdn.net/qq_44863944/article/details/118685631

版权

本文介绍了如何在PyTorch中利用预训练的ResNet模型，并修改其网络结构，特别是将conv4_block1的步距从2调整为1。尽管尝试更改in_channels、out_channels和kernel_size不会影响卷积输出，作者通过替换整个卷积层实现了卷积核的更新。这种方法被证明可以达到预期效果，但作者也欢迎其他更优的方法建议。

摘要由CSDN通过智能技术生成

我们提取resnet的网络作为基础网络，同时加载预训练权重。

class Backbone(nn.Module):
    def __init__(self, pretrain_path=None):
        super(Backbone, self).__init__()
        net = resnet50()
        self.out_channels = [1024