(202301)pytorch图像分类全流程实战Task2:预训练模型预测

原创

已于 2023-01-26 10:40:08 修改 · 844 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #学习 #分类

于 2023-01-19 13:52:05 首次发布

作者使用ResNet18预训练模型进行图像分类，遇到权重加载问题，手动下载并加载权重。图像预处理包括缩放、裁剪、归一化。预测结果不准确，因数据集与ImageNet差异大。通过迁移学习改进，调整模型最后一层，训练后发现索引错误导致分类偏差，修正索引后得到正确结果。使用Tensorboard进行训练可视化。

Task2:预训练模型预测

任务时间表
参考代码：B站up主同济子豪兄开源在GitHub的图像分类代码
task 2是使用预训练模型进行预测。但是我的数据集本身与ImageNet的数据差别过大了，是无法准确识别的。不过倒是可以判断出一些零件像什么。

使用resnet18进行预测

参考up主子豪大佬的代码，首先使用了resnet18模型进行预测。

载入模型

from torchvision import models
model = models.resnet18(pretrained=Ture) #即载入预训练模型

不过在这里我出现了一个问题，载入权重文件失败。（大概是网络不好吧）
所以需要手动下载一个权重文件，并手动载入。

model = models.resnet18(pretrained=False) 
model.load_state_dict(torch.load('resnet18-f37072fd.pth'))

这里我下载的是resnet18-f37072fd.pth（链接奉上）

图像预处理

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

早上真好

关注关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
4
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

Python 里 PyTorch 的自监督预训练模型

Python编程之道的博客

06-15

972

自监督学习(Self-supervised Learning)是近年来深度学习领域最具突破性的技术之一，它通过从数据本身自动生成监督信号，避免了传统监督学习对大量标注数据的依赖。PyTorch作为当前最流行的深度学习框架之一，为自监督预训练模型的实现提供了强大支持。本文旨在全面系统地介绍PyTorch中自监督预训练模型的原理、实现和应用，涵盖从基础理论到实践技巧的完整知识体系。我们将重点讨论计算机视觉领域的自监督学习方法，特别是对比学习范式，这些技术可以广泛应用于图像分类、目标检测、语义分割等下游任务。

[Pytorch图像分类全流程实战]Task04:新图片、新视频预测

m0_59286668的博客

01-26

539

使用上一讲Pytorch迁移学习训练得到的30类水果图像分类模型，对新图像文件、新视频文件、摄像头实时画面，运行图像分类预测。

4 条评论您还未登录，请先登录后发表或查看评论

4 条评论

则慕~ 2023.04.18
好的，谢谢你！

早上真好 2023.04.18
自己拿sw的运动算例按帧读取做的，泛化能力很差（没什么用处），你可以去专门的数据集网站上看看，或者在kaggle，featurize这种提供大量数据集的云平台、数据科学竞赛平台上查一下

则慕~ 2023.04.17
博主，你的工业零件的数据集是怎么找的鸭，我是小白做毕设要用，但是死活找不到数据集
- 早上真好回复则慕~ 2023.04.18
  如下

PyTorch 预训练模型，保存，读取和更新模型参数以及多 GPU 训练模型（转载极市平台）

weixin_44317740的博客

12-09

2025

PyTorch 预训练模型，保存，读取和更新模型参数以及多 GPU 训练模型转载极市平台 9月10日目录1. PyTorch 预训练模型2.保存模型参数3.读取模型参数4. 冻结部分模型参数，进行 fine-tuning方法一：方法二：5. 模型训练与测试的设置训练时，应调用 model.train() ；测试时，应调用 model.eval()，以及 with torch.no_grad()...

【TVM 教程】端到端优化模型

最新发布

HyperAI超神经

10-17

332

TVM 先已更新到 0.21.0 版本，TVM 中文文档已经和新版本对齐。Apache TVM 是一个深度的深度学习编译框架，适用于 CPU、GPU 和各种机器学习加速芯片。更多 TVM 中文文档可访问 →本教程演示了如何使用 Apache TVM 对机器学习模型进行优化。我们将使用来自 PyTorch 的预训练 ResNet-18 模型，并通过 TVM 的 Relax API 对其进行端到端优化。请注意，默认的端到端优化可能不适用于复杂模型。

18个面向初学者的经典开源计算机视觉项目-图像分类篇（一）

CSS360的博客

09-27

2287

18个经典开源计算机视觉项目分为以下几类： 图像分类 人脸识别用GANs进行神经风格转换场景文本检测基于DETR的目标检测语义分割自动驾驶车辆的车道检测图像字幕人体姿势估计项目基于面部表情的情绪识别今天主要给大家介绍一下，图像分类：用于图像分类的开源计算机视觉项目图像分类是计算机视觉中的一项基本任务。在这里，目标是通过为图像指定特定标签来对图像进行分类。我们人类很容易理解和分类我们看到的图像。但对于一台机器来说情况就大不相同了。对机器来说，区分汽车和大象是一项繁重

图像分类（2），训练和预测

u012327119的博客

12-18

1773

上篇博文分享了数据的预处理和封装，本文阐述一下如何用预训练模型进行训练和finetune。 pytorch已经准备了一些常用的网络模型，如alexnet、densenet、inception、resnet、squeezenet和vgg等。这些模型的原始定义文件可能在这个目录下/usr/lib/python2.7/site-packages/torchvision/models/。打卡resnet...

同济子豪兄带我学pytorch图像分类-task01（数据集准备）

weixin_54201782的博客

01-17

893

Task01准备图像数据集

Pytorch图像分类实战笔记Task01-Task07|Datawhale组队学习

weixin_45480097的博客

01-17

1037

将数据集统一命名为数字-->获得文件名列表full_dataset-->打乱列表random_dataset-->set train_rate = 0.8,train_dataset = random_dataset[:int(full_dataset)*0.8],test_dataset =random_dataset[int(full_dataset)*0.8:] -->移动文件。文件：gif格式的、非三通道图片（三通道图可以是彩色图，可以是灰度模式的图像。第一步，导入所需要的库。

【PyTorch图像分割项目全攻略】：数据加载到模型评估的完整流程

[【PyTorch图像分割项目全攻略】：数据加载到模型评估的完整流程](https://img-blog.csdnimg.cn/20210806103922834.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9...

【预训练模型调用进阶】：PyTorch模型融合策略实战指南

[【预训练模型调用进阶】：PyTorch模型融合策略实战指南](https://raw.githubusercontent.com/mrdbourke/pytorch-deep-learning/main/images/01_a_pytorch_workflow.png) # 1. PyTorch预训练模型概述深度学习的...

【学习pytorch 02】构建图像分类数据集

bizarre07的博客

01-17

1042

datawhale学习，pytorch学习

PyTorch图像分类实战（Datawhale）Task1：构建自己的图像分类数据

weixin_46336048的博客

01-17

376

构建用于图像分类的数据集

（202301）pytorch图像分类全流程实战Task5：在测试集上评估图像分类算法的精度

raw_inputhello的博客

01-27

926

本次任务是测试集上评估图像分类算法的精度。在大佬开源的代码中，无论是准确率评估指标还是混淆矩阵、PR曲线、ROC曲线、降维可视化，都可以很容易地得到结果。而在这些代码中可能出现的问题，也都在前面的任务中已经解决，比如matplotlib绘制中文的处理、gpu上训练的权重用于cpu上需要加映射参数等。可以说，只要前面的任务认真完成，这次的任务至少在代码运行上是没有任何问题。基于此种情况，我认为这个任务的重点实际上是对以上的几种评估指标的理解。

ResNet论文笔记及Pytorch代码解析

charles_zhang_的博客

12-19

3195

何凯明大神的经典作品，ResNet论文阅读笔记

pytorch图像识别（基于识别验证码），读取数据集图片以及使用神经网络进行训练

weixin_43788986的博客

08-21

2961

图像数据集为10000张验证码图片，图片每次为验证码内容加数字（后面加入0-10000的数字是为了防止出现一样的验证码）：读取文件使用os模块：接下来需要加上路径，这样一会处理的话就可以直接读取每张图片：图片读取功能完成了。首先验证码范围为（0-9，a-z，A-Z），这些装入列表中：图片类型为，需要获取其中的，我将使用正则表达式：后续为转为数字（就是每个符号在符号列表的位置）：转为one hot编码： dataset.py model_one.py 训练：测试我的测试集是500

python图像分类项目-03迁移学习pytorch内预设模型训练自己的模型

Karry12138的博客

01-22

523

迁移学习pytorch内预设模型训练自己的模型

GoogLeNet（Inception V1）论文笔记及Pytorch代码解析

charles_zhang_的博客

12-29

4056

注：本文仅供自己学习记录感谢良心up同济子豪兄精彩讲解【精读AI论文】GoogLeNet（Inception V1）深度学习图像分类算法_哔哩哔哩_bilibili GoogLeNe（Inception V1）论文笔记论文概要 WE NEED TO GO DEEPER Inception的技术演变 Inception不同于其他大型网络模型，可以方便的部署任何地方（边缘计算设备） Inception原理图将数据进行四路处理（不同尺度的卷积和一个池化），之后再汇总到cin

PyTorch图像分类实战（Datawhale）Task2：预训练模型预测

weixin_46336048的博客

01-19

1088

本章节采用Torchvision中models内包含的已经在ImageNet 1000数据集训练好的模型文件进行图像分类操作，具体包括图像、视频以及摄像头的实时操作。

（202301）pytorch图像分类全流程实战Task4：新图片新视频预测

raw_inputhello的博客

01-26

743

然后使用PIL库读取图片，并进行预处理。预处理的四步是缩放、裁剪、转 Tensor、归一化，此处不再赘述。此外还需要读取映射字典。注意：在gpu中训练得到的权重文件不能直接用于cpu，需要通过加入参数map_location='cpu'进行映射，如右下图所示。