如何在PyTorch中使用预训练的模型进行迁移学习

1019
2024/3/20 19:33:06
栏目: 编程语言
开发者测试专用服务器限时活动,0元免费领,库存有限,领完即止! 点击查看>>

在PyTorch中使用预训练的模型进行迁移学习可以通过以下步骤实现:

  1. 加载预训练模型:首先,使用torchvision.models模块中提供的预训练模型来加载已经训练好的模型,例如ResNet、VGG等。
import torchvision.models as models

# Load pre-trained ResNet-50 model
model = models.resnet50(pretrained=True)
  1. 修改模型的最后一层:由于迁移学习通常涉及到不同的任务,需要将预训练模型的最后一层替换为新的全连接层,以适应新的任务要求。
import torch.nn as nn

# Modify the last layer of the model
num_ftrs = model.fc.in_features
model.fc = nn.Linear(num_ftrs, num_classes) # num_classes为新任务的类别数
  1. 设置优化器和损失函数:根据新任务的要求设置优化器和损失函数。
import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)
  1. 训练模型:使用新的数据集对模型进行训练。
# 训练代码

通过以上步骤,您可以在PyTorch中使用预训练的模型进行迁移学习。

辰迅云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>

推荐阅读: go语言怎么部署pytorch模型