1.直接加载预训练模型
如果我们使用的模型和原模型完全一样,那么我们可以直接加载别人训练好的模型:
import torchvision.models as models
resnet50 = models.resnet50(pretrained=True)
如果只需要网络结构,不需要用预训练模型的参数来初始化,那么就是:
model =torchvision.models.resnet50(pretrained=False)
2.修改某一层
PyTorch中的torchvision里已经有很多常用的模型了,可以直接调用:
- AlexNet
- VGG
- ResNet
- SqueezeNet
- DenseNet
import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
squeezenet = models.squeezenet1_0()
densenet = models.densenet_161()
但是对于我们的任务而言有些层并不是直接能用,需要我们微微改一下,比如,resnet最后的全连接层是分1000类,而我们只有21类;又比如,resnet第一层卷积接收的通道是3, 我们可能输入图片的通道是4,那么可以通过以下方法修改:
resnet.conv1 = nn.Conv2d(4, 64, kernel_size=7, stri