Pytorch学习笔记8——迁移学习与autoencoder

Pytorch学习笔记8——迁移学习与autoencoder

上一回我们使用自定义数据集完成了训练，但由于自定义数据集数量较少，准确度较低，因此我们可以考虑迁移学习。利用同domain的数据来增强学习效果。

红色绿色为原数据，黑色为我们之前训练效果不好的数据，我们将黑色数据加入原数据中是原模型微调，达到迁移学习的效果(起点更高）。

实现的方法很简单，在训练程序中，将主程序进行变更：

    #model=ResNet18(5).to(device)

    trained_model=resnet18(pretrained=True)
    model=nn.Sequential(*list(trained_model.children())[:-1], #[b,512,1,1])
                        Flatten(),#[b,512,1,1])=>[b,512]
                        nn.Linear(512,5)
                        ).to(device)
    x=torch.randn(2,3,224,224).to(device)
    print(model(x).shape)

使用pytorch的预训练模型即可。