Pytorch修改ResNet模型全连接层进行直接训练实例

脚本专栏发布日期：2024/10/24 浏览次数：1

正在浏览：Pytorch修改ResNet模型全连接层进行直接训练实例

之前在用预训练的ResNet的模型进行迁移训练时，是固定除最后一层的前面层权重，然后把全连接层输出改为自己需要的数目，进行最后一层的训练，那么现在假如想要只是把

最后一层的输出改一下，不需要加载前面层的权重，方法如下：

model = torchvision.models.resnet18(pretrained=False)
num_fc_ftr = model.fc.in_features
model.fc = torch.nn.Linear(num_fc_ftr, 224)
model = nn.DataParallel(model, device_ids=config.gpus).to(device)

首先模型结构是必须要传入的，然后把最后一层的输出改为自己所需的数目

以上知识点很简单，大家可以测试下，感谢大家的阅读和对的支持。

上一篇：numpy.random.shuffle打乱顺序函数的实现

下一篇：python+pygame实现坦克大战

一句话新闻

高通与谷歌联手！首款骁龙PC优化Chrome浏览器发布

高通和谷歌日前宣布，推出首次面向搭载骁龙的Windows PC的优化版Chrome浏览器。
在对骁龙X Elite参考设计的初步测试中，全新的Chrome浏览器在Speedometer 2.1基准测试中实现了显著的性能提升。
预计在2024年年中之前，搭载骁龙X Elite计算平台的PC将面世。该浏览器的提前问世，有助于骁龙PC问世就获得满血表现。
谷歌高级副总裁Hiroshi Lockheimer表示，此次与高通的合作将有助于确保Chrome用户在当前ARM兼容的PC上获得最佳的浏览体验。