译者:BXuan694
models子包定义了以下模型架构:
你可以通过调用以下构造函数构造随机权重的模型:
import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
vgg16 = models.vgg16()
squeezenet = models.squeezenet1_0()
densenet = models.densenet161()
inception = models.inception_v3()
我们在torch.utils.model_zoo中提供了预训练模型。预训练模型可以通过传递参数pretrained=True构造:
import torchvision.models as models
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)
squeezenet = models.squeezenet1_0(pretrained=True)
vgg16 = models.vgg16(pretrained=True)
densenet = models.densenet161(pretrained=True)
inception = models.inception_v3(pretrained=True)
PyTorch预训练模型加载指南
本文介绍了如何使用PyTorch的torchvision库加载多种预训练模型,包括AlexNet、VGG、ResNet等,并提供了加载随机权重及预训练权重的示例代码。
1988

被折叠的 条评论
为什么被折叠?



