pytorch 如何在预训练模型的 input上增减通道

最新推荐文章于 2025-05-08 16:12:26 发布

Jie Ou

最新推荐文章于 2025-05-08 16:12:26 发布

阅读量5.8k

点赞数 7

CC 4.0 BY-SA版权

分类专栏： pytorch python 文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/github_36923418/article/details/84567227

python 同时被 2 个专栏收录

44 篇文章

订阅专栏

pytorch

18 篇文章

订阅专栏

本文介绍如何修改预训练模型的输入层通道数，以适应不同任务需求，包括增加通道、单通道输入等方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如何把imagenet预训练的模型，输入层的通道数随心所欲的修改，从而来适应自己的任务

#增加一个通道
w = layers[0].weight
layers[0] = nn.Conv2d(4, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)
layers[0].weight = torch.nn.Parameter(torch.cat((w, w[:, :1, :, :]), dim=1))

#方式2
w = layers[0].weight
layers[0] = nn.Conv2d(4, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)
layers[0].weight = torch.nn.Parameter(torch.cat((w, torch.zeros(64, 1, 7, 7)), dim=1))


#单通道输入
layers[0] = nn.Conv2d(1, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)
layers[0].weight = torch.nn.Parameter(w[:, :1, :, :])