imagenet数据集_base model第一弹：在ImageNet上训练ResNet（1）

下列代码均在pytorch1.4版本中测试过，确认正确无误。

ImageNet

ImageNet是一个用于图像分类的超大数据集，它的官方网站是：http://www.image-net.org/ 。在cv领域，使用模型在ImageNet上的预训练参数来训练其他任务已经是一种普遍的做法。本文的目的是从零开始介绍如何在ImageNet上训练模型，就以最常用的ResNet50为例。 由于ImageNet数据集每年都会更新，通常我们指的ImageNet数据集是ILSVRC2012，该数据集共有1000个类，120万张训练集图片和5万张验证集图片。你可以在官方网站下载该数据集，也可以从我的百度云下载：链接：https://pan.baidu.com/s/1ROYJwexTvXN9bCzuyAYSuw 提取码：yn5z 。 下载后解压，文件夹组织结构如下：

ILSVRC2012

这样数据集就处理好了。

ResNet网络结构

为了简便起见，我们使用pytorch官方提供的ResNet实现，但在加载模型处稍作修改。pytorch官方提供了ResNet的预训练模型，但该模型同时保存了模型结构和模型参数。官方模型的点数如下可以在这里查到：https://github.com/facebookarchive/fb.resnet.torch 注意输入均为224x224。

经过修改后的ResNet实现代码如下。注意我没有修改ResNet的网络结构，仅仅增加了ResNet34_half和ResNet50_half（即ResNet34和ResNet50 channel数减半）。另外，由于下面的训练中我保存的pth文件将只保存模型参数而不保存模型结构，所以对加载模型部分进行了修改，这样我们可以从本地加载训练好的pth模型参数，修改网络结构也很方便。当然，在ImageNet上训练ResNet时并不需要加载预训练模型。

"""

由于知乎文章字数限制，后面的训练代码与训练结果我们将在第2部分讲解。

所有代码已上传到本人github repository：

zgcr/pytorch-ImageNet-CIFAR-COCO-VOC-training​github.com

本文也同时放在了我的CSDN博客上：

base model第一弹：在ImageNet上训练ResNet​blog.csdn.net