ResNet50修改网络适应灰度图片并加载预训练模型

此博文是修改https://blog.csdn.net/jiacong_wang/article/details/105631229
这位大大的博文而成的，自己根据自己的情况稍微加了点东西

要修改的地方有4处

1.修改网络第一层，把3通道改为1
法一：直接在定义网络的地方修改

self.conv1 = nn.Conv2d(1, self.in_channel, kernel_size=7, stride=2,padding=3, bias=False)

法二：在调用网络模型的地方修改

model = resnet50()
model.conv1 = nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3, bias=False)
model = model.to(device)

2.修改读取数据的方式
--------修改之前：

--------修改之后

 train_transformer = transforms.Compose([transforms.Grayscale(1), # 修改transforms.RandomHorizontalFlip(0.5),  transforms.ToTensor(),                transforms.Normalize(0.485, 0.229, inplace=True),  # 修改（-1,1）])

修改方法

修改transform（图像预处理操作）
添加transforms.Grayscale(1)，将图像转换为单通道图像（经实验，图像矩阵的数据并不会发生变化）
transforms.Normalize修改如下，第一个参数为mean，第二个参数为std，因为是单通道，所以进行Z-Score时仅需要对一个通道进行操作,所以mean和std只需要一个值就行

3.修改读取数据集部分（mydataset.py）
-----修改之前

-----修改之后

img = Image.open(path_img)

只需要把后面转RGB的部分去掉就行

4.因为加载预训练模型而修改网络
要加载预训练模型，第一层的权重参数肯定不能加载，则只需要把第一层的权重参数避开就行：

加载方法

    net = resnet50()# load pretrain weights# download url: https://download.pytorch.org/models/resnet34-333f7ec4.pthmodel_weight_path = "./resnet50-19c8e357.pth"assert os.path.exists(model_weight_path), "file {} does not exist.".format(model_weight_path)# 加载预训练模型并且把不需要的层去掉pre_state_dict = torch.load(model_weight_path)print("原模型", pre_state_dict.keys())new_state_dict = {}for k, v in net.state_dict().items():          # 遍历修改模型的各个层print("新模型", k)if k in pre_state_dict.keys() and k!= 'conv1.weight':new_state_dict[k] = pre_state_dict[k]  # 如果原模型的层也在新模型的层里面， 那新模型就加载原先训练好的权重net.load_state_dict(new_state_dict, False)# for param in net.parameters():#     param.requires_grad = False# change fc layer structurein_channel = net.fc.in_featuresnet.fc = nn.Linear(in_channel, 5)net.to(device)

ResNet50修改网络适应灰度图片并加载预训练模型相关推荐

keras冻结_Keras 实现加载预训练模型并冻结网络的层
在解决一个任务时,我会选择加载预训练模型并逐步fine-tune.比如,分类任务中,优异的深度学习网络有很多. ResNet, VGG, Xception等等... 并且这些模型参数已经在imagen ...
Pytorch网络模型权重初始化、保存与加载模型、加载预训练模型、按需设置学习率
前言在我们对神经网络模型进行训练时,往往需要对模型进行初始化或者加载预训练模型.本文将对模型的权重初始化与加载预训练模型做一个学习记录,以便后续查询使用. 权重初始化常见的初始化方法 PyTorc ...
MXNet快速入门之训练加载预训练模型(四)
前言在前面几篇文章中详细介绍了MXNet的一些特点以及入门基础知识,本篇文章主要介绍如何使用MXNet来训练模型.加载模型进行预测.预训练模型以及MXNet中GPU使用的相关知识. 在介绍训练模型之 ...
Caffe2教程实例，加载预训练模型
Caffe2教程实例,加载预训练模型概述本教程使用模型库中的预训练模型squeezenet 里分类我们自己的图片.我们需要提供要分类图片的路径或者URL信息作为输入.了解ImageNet对象代码可 ...
pytorch：加载预训练模型(多卡加载单卡预训练模型，多GPU，单GPU）
在pytorch加载预训练模型时,可能遇到以下几种情况. 分为以下几种在pytorch加载预训练模型时,可能遇到以下几种情况. 1.多卡训练模型加载单卡预训练模型 2. 多卡训练模型加载多卡预训练模 ...
HuggingFace学习3：加载预训练模型完成机器翻译（中译英）任务
加载模型页面为:https://huggingface.co/liam168/trans-opus-mt-zh-en 文章目录整理文件跑通程序,测试预训练模型拆解Pipeline,逐步进行翻译任 ...
加载预训练模型时报错 KeyError: param ‘initial_lr‘ is not specified in param_groups[0]
在加载预训练模型继续训练时,程序报错:KeyError: "param 'initial_lr' is not specified in param_groups[0] when resum ...
Python网络爬虫之图片懒加载技术、selenium和PhantomJS
引入今日概要图片懒加载 selenium phantomJs 谷歌无头浏览器知识点回顾验证码处理流程今日详情动态数据加载处理一.图片懒加载什么是图片懒加载? 案例分析:抓取站长素材ht ...
解决HuggingFace加载预训练模型时报错TypeError: expected str, bytes or os.PathLike object, not NoneType
完整报错: TypeError: expected str, bytes or os.PathLike object, not NoneType 解决方法检查下载的组件: 步骤1:完整的下载组件,包 ...
Tensorflow加载预训练模型和保存模型（ckpt文件）以及迁移学习finetuning
使用tensorflow过程中,训练结束后我们需要用到模型文件.有时候,我们可能也需要用到别人训练好的模型,并在这个基础上再次训练.这时候我们需要掌握如何操作这些模型数据.看完本文,相信你一定会有收获 ...

ResNet50修改网络适应灰度图片并加载预训练模型

要修改的地方有4处

ResNet50修改网络适应灰度图片并加载预训练模型相关推荐

最新文章

热门文章