在 Pytorch 中微调预训练模型 MobileNet_V2答案

【问题标题】：Fine Tuning Pretrained Model MobileNet_V2 in Pytorch在 Pytorch 中微调预训练模型 MobileNet_V2
【发布时间】：2019-12-08 15:30:50
【问题描述】：

我是 pyTorch 的新手，我正在尝试创建一个分类器，其中我有大约 10 种图像文件夹数据集，对于这个任务，我使用的是预训练模型 (MobileNet_v2)，但问题是我无法更改 FC它的一层。没有 model.fc 属性。谁能帮我做到这一点。谢谢

【问题讨论】：

标签： deep-learning classification pytorch pre-trained-model mobilenet

【解决方案1】：

从MobileNet V2 source code 看来，这个模型最后有一个称为分类器的顺序模型。因此，您应该能够像这样更改分类器的最后一层：

import torch.nn as nn
import torchvision.models as models
model = models.mobilenet_v2()
model.classifier[1] = nn.Linear(model.last_channel, 10)

很遗憾，我现在无法测试此代码。
This 也是一个很好的参考，关于如何微调模型。

【讨论】：

实际上，模块torchvision.models没有mobilnet_v2的属性。目前型号为[resnet, alexnet, vgg, squeezenet, densenet, inception]
@AnubhavSingh，实际上自从最近的 torchvision 更新以来它确实如此。 pytorch.org/docs/stable/torchvision/models.html
哦，我明白了。我的错。非常感谢。

【解决方案2】：

执行以下操作：

import torch
model = torch.hub.load('pytorch/vision', 'mobilenet_v2', pretrained=True)
print(model.classifier)

model.classifier[1] = torch.nn.Linear(in_features=model.classifier[1].in_features, out_features=10)
print(model.classifier)

输出：

Sequential(
  (0): Dropout(p=0.2)
  (1): Linear(in_features=1280, out_features=1000, bias=True)
)
Sequential(
  (0): Dropout(p=0.2)
  (1): Linear(in_features=1280, out_features=10, bias=True)
)

注意：您需要torch >= 1.1.0 才能使用torch.hub。

【讨论】：

【解决方案3】：

MobilenetV2 实现要求num_classes（默认=1000）作为输入，并提供self.classifier 作为一个属性，它是一个torch.nn.Linear 层，输出维度为num_classes。您可以使用此属性进行微调。您可以自己查看code 以获得更好的理解。

import torchvision.models as models
model = models.mobilnet_v2(num_classes=10)

【讨论】：

很高兴知道还有这些额外的参数！但应该指出的是，使用 num_classes 参数会阻止下载 pre-trained 模型，这几乎就是这个问题的意义所在。此外，here 是代码的更新链接。