(继)pytorch中的pretrain模型网络结构修改
来源:互联网 发布:微信斗图软件 编辑:程序博客网 时间:2024/05/29 02:46
继上篇文章提出的两种预训练模型的修改方法外,今天在这里推荐我新学习到的一种方法:
那么,接下来就可以构建我们的网络了:
最后,构建一个对象,并加载resnet预训练的参数就可以啦~
这里还是以resnet模型为参考,在去掉预训练resnet模型的后两层(fc层和pooling层)后,新添加一个反卷积层、池化层和分类层。
那么对于网络的修改怎样可以快速的去除model本身的网络层呢?
一个继承nn.module的model它包含一个叫做children()的函数,这个函数可以用来提取出model每一层的网络结构,在此基础上进行修改即可,修改方法如下(去除后两层):
resnet_layer = nn.Sequential(*list(model.children())[:-2])
那么,接下来就可以构建我们的网络了:
class Net(nn.Module): def __init__(self , model): super(Net, self).__init__() #取掉model的后两层 self.resnet_layer = nn.Sequential(*list(model.children())[:-2]) self.transion_layer = nn.ConvTranspose2d(2048, 2048, kernel_size=14, stride=3) self.pool_layer = nn.MaxPool2d(32) self.Linear_layer = nn.Linear(2048, 8) def forward(self, x): x = self.resnet_layer(x) x = self.transion_layer(x) x = self.pool_layer(x) x = x.view(x.size(0), -1) x = self.Linear_layer(x) return x
最后,构建一个对象,并加载resnet预训练的参数就可以啦~
resnet = models.resnet50(pretrained=True)model = Net(resnet)
阅读全文
0 0
- (继)pytorch中的pretrain模型网络结构修改
- pytorch中的pre-train函数模型引用及修改(增减网络层,修改某层参数等)
- pytorch使用(三)网络结构可视化
- pytorch网络层结构的数组化
- 深度学习分割网络U-net的pytorch模型实现
- [pytorch] 深度学习分割网络U-net的pytorch模型实现
- 网络结构参考模型
- 网络结构模型
- pytorch 模型的加载
- pytorch学习-迁移模型
- pytorch finetune模型
- pytorch入门(3)pytorch-seq2seq模型
- 网络模型结构的绘制
- pytorch 保存与加载模型
- [pytorch] 深度学习分割网络U-net的pytorch模型实现 原创 2017年03月08日 21:48:21 标签: python / 深度学习 / 生物图
- C++中的私有继乘
- pytorch GAN生成对抗网络
- OSI网络结构的七层模型
- if exists用法
- 二周五次课
- jna笔记备份
- DFS 1253 解题报告
- GNU C语言 宏定义 #args ##args
- (继)pytorch中的pretrain模型网络结构修改
- 用UglifyJS2合并压缩混淆JS代码
- 那些年,React 踩过的坑
- android studio
- android_万能适配器
- Adobe Photoshop Lightroom CC 2017 Mac(LR CC)附激活工具 V1.0中文破解版
- Qt之HTTPS登录
- HFDS 常用命令 fsck 查看文件信息和block位置信息
- Ubuntu Linux定时备份数据库,并上传到阿里云OSS