Pytorch迁移学习之猫狗分类；create_feature_extractor提取模型向量

loong_XL

已于 2023-11-03 17:04:50 修改

阅读量5.7k

点赞数 4

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签： pytorch 迁移学习分类

于 2019-03-06 21:05:44 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_42357472/article/details/88256252

深度学习专栏收录该内容

340 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了使用Pytorch进行猫狗分类的迁移学习实践，针对'VGG'模型中出现的AttributeError问题，提出了解决方案，即修改fc层为classifier[6]。同时解决了数据处理中遇到的grad_fn错误，通过设置批数据的requires_grad属性。内容还包含了vgg和resnet模型的代码，并提到了create_feature_extractor函数用于提取模型向量，参考了相关GitHub资源。

1、Pytorch迁移学习之猫狗分类

1.AttributeError: ‘VGG’ object has no attribute 'fc’错误
解决：fc换成classifier[6]，并且带【索引】，索引值可以直接打印模型看到结构层
model= models.vgg16(pretrained=True) for param in model.parameters(): #params have requires_grad=True by default param.requires_grad = False num_ftrs = model.fc.in_features

2.element 0 of tensors does not require grad and does not have a grad_fn 错误
解决：这是数据出现错误，需要设置批数据的requires_grad值 data=Variable(data,requires_grad=True)，标签值y则不用

        for i,(data,y) in enumerate(train_loader):
            data=Variable(data,requires_grad=True)
            # y=Variable(y,requires_grad=True)
            print(data.requires_grad)

数据结构，