文章目录
- 1. 需要用到的库
- 2. 模型定义
- 3. 测试
基于上一篇文章 https://blog.csdn.net/linghu8812/article/details/100044971,这次介绍一下网络模型的定义。
1. 需要用到的库
import torch
import torch.nn as nn
from torchvision.models import resnet50
基于ResNet50定义网络模型,在此基础上进行微调。
2. 模型定义
class CatVSDogNet(nn.Module):
def __init__(self, num_class=2):
super(CatVSDogNet, self).__init__()
self.model = resnet50(pretrained=True)
self.model.fc = nn.Linear(2048, num_class)
def forward(self, x):
output = self.model(x)
return output
基于ImageNet进行初始化,ImageNet有1000类,将网络模型的全连接层修改为两类。
3. 测试
测试代码如下:
def main():
net = CatVSDogNet()
y = net(torch.randn(5, 3, 448, 448))
print(y.size())
if __name__ == '__main__':
main()
执行代码后输出: