智能数字图像处理：ResNet代码（pytorch）之train.py解读

导入pytorch官方的预训练模型：

from model import resnet34, resnet101

载入预训练模型方法：

model_weight_path = "./resnet34-333f7ec4.pth"
missing_keys, unexpected_keys = net.load_state_dict(torch.load(model_weight_path), strict=False)
# for param in net.parameters():
#     param.requires_grad = False
# change fc layer structure
inchannel = net.fc.in_features
net.fc = nn.Linear(inchannel, 5)
net.to(device)

载入预训练模型方法有两种，一种直接在net = resnet34()中添加num_class参数如net = resnet34(num_class=5)，另外一种使用默认num_class再另外添加一个全连接层net.fc = nn.Linear(inchannel, 5)

 

另外ResNet的正则化参数不一样：

"val": transforms.Compose([transforms.Resize(256),
                               transforms.CenterCrop(224),
                               transforms.ToTensor(),
                               transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])}

 

包括验证集的数据处理采用先将图片更改到256xnxn大小在从中心裁剪224x224大小。