pytroch下载pretrained model失败或者过慢问题

报错

做fine-turne的时候,使用resnet152的pretrained model, 直接运行的时候,一直报错。

File "/usr/lib/python3.5/urllib/request.py", line 1256, in do_open
    raise URLError(err)
urllib.error.URLError: <urlopen error [Errno -3] Temporary failure in name resolution>

在这里插入图片描述

resnet的下载url:

model_urls = {
    'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
    'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
    'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
    'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth',
    'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',
    'resnext50_32x4d': 'https://download.pytorch.org/models/resnext50_32x4d-7cdf4587.pth',
    'resnext101_32x8d': 'https://download.pytorch.org/models/resnext101_32x8d-8ba56ff5.pth',
    'wide_resnet50_2': 'https://download.pytorch.org/models/wide_resnet50_2-95faca4d.pth',
    'wide_resnet101_2': 'https://download.pytorch.org/models/wide_resnet101_2-32ee1156.pth',
}

下载到本地的位置

win10:

C:\Users\xx_username\.cache\torch\hub\checkpoints

ubuntu:

/home/xx_username/.cache/torch/checkpoints/

处理方法:

如果可以上网从官网、直接下载url的pretrained model, 放到指定位置,即可运行。

如果想下载http://amazonaws.com的预训练模型,可以直接浏览器输入:

https://github.com/LikeLy-Journey/SegmenTron/releases/download/v0.1.0/resnet50-25c4b509.pth
https://github.com/LikeLy-Journey/SegmenTron/releases/download/v0.1.0/resnet101-2a57e44d.pth
https://github.com/LikeLy-Journey/SegmenTron/releases/download/v0.1.0/resnet152-0d43d698.pth
  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
pytorch_pretrained_vit 是 PyTorch 所提供的预训练视觉 Transformer(Vision Transformer, ViT)模型。ViT 模型是 Google Brain 团队在 2021 年提出的一种基于 Transformer 的神经网络,用于图像分类和其他图像相关任务。该模型的核心思想是将图像数据拆分成一组小的图像块,然后将这些小块按顺序展开成一个序列。随后,通过 Transformer 的编码器模块学习序列内的特征,并在最后加上一个全局池化层作为分类器。 pytorch_pretrained_vit 对 ViT 模型进行了预训练,使得模型具有先验的能力,在面对相似的任务时表现更好。目前已经有多个不同大小的 ViT 模型在 pytorch_pretrained_vit 中提供,同时还提供了从其他数据集转移学习到 ImageNet 数据集的预训练模型。用户可以通过 pytorch_pretrained_vit 对这些已经预训练好的模型进行 fine-tuning,以适应自己的任务。 与其他基于卷积神经网络的图像分类算法相比,ViT 模型的表现更加优越,这归功于其全局建模能力。通过展开图像块并学习它们之间的交互关系,ViT 模型可以更好地建模图像中的高层次结构,如物体的组成和位置等。同时,ViT 模型还具有更少的参数,同时能够匹配最新的 CNN 模型的表现。 总的来说,pytorch_pretrained_vit 为图像相关任务提供了先进的预训练模型,这些模型在各种任务上表现都非常出色。对于需要处理大规模图像数据集并且需要更好的全局建模能力的任务来说,ViT 模型是一个非常有用的选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

AI扩展坞

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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