美文网首页Deep-Learning-with-PyTorch
Deep-Learning-with-PyTorch-2.1.1

Deep-Learning-with-PyTorch-2.1.1

作者: 追求科技的足球 | 来源:发表于2020-08-11 10:34 被阅读0次

    2.1.1 获取用于图像识别的预训练网络

    如上所述,我们现在将为自己配备在ImageNet上训练的网络。 为此,我们将看一下TorchVision项目(https://github.com/pytorch/vision),该项目包含一些计算机视觉性能最佳的神经网络体系结构,例如AlexNet(http://mng.bz/lo6z)、ResNet(https://arxiv.org/pdf/1512.03385.pdf)和Inception v3(https://arxiv.org/pdf/1512.00567.pdf)。 它还可以轻松访问ImageNet等数据集和其他实用程序,以快速掌握PyTorch中的计算机视觉应用程序。在本书中,我们将深入探讨其中的一些内容。 现在,让我们加载并运行两个网络:首先是AlexNet,这是图像识别领域的早期突破性网络之一; 然后是残差网络,简称ResNet,在2015年赢得了ImageNet分类,检测和本地化竞赛等奖项。如果您没有在第1章中启动PyTorch并开始运行,那么现在是进行此操作的好时机。

    可以在torchvision.models中找到预定义的模型(code/p1ch2/2_pre_trained_networks.ipynb):

    # In[1]:
    from torchvision import models
    

    我们可以看一下实际模型:

    # In[2]:
    dir(models)
    
    # Out[2]:
    ['AlexNet',
    'DenseNet',
    'Inception3',
    'ResNet',
    'SqueezeNet',
    'VGG',
    ...
    'alexnet',
    'densenet',
    'densenet121',
    ...
    'resnet',
    'resnet101',
    'resnet152',
    ...]
    

    大写的名称指的是实现许多流行模型的Python类。 它们的体系结构不同,即在输入和输出之间发生的操作安排不同。 小写名称是便利函数,可返回从这些类实例化的模型,有时具有不同的参数集。 例如,resnet101返回具有101层的ResNet实例,resnet18具有18层,依此类推。 现在,我们将注意力转向AlexNet。

    相关文章

      网友评论

        本文标题:Deep-Learning-with-PyTorch-2.1.1

        本文链接:https://www.haomeiwen.com/subject/bwyedktx.html