pytorch 实现在预训练模型的 input上增减通道
如何把imagenet预训练的模型，输入层的通道数随心所欲的修改，从而来适应自己的任务
#增加一个通道 w=layers[0].weight layers[0]=nn.Conv2d(4,64,kernel_size=(7,7),stride=(2,2),padding=(3,3),bias=False) layers[0].weight=torch.nn.Parameter(torch.cat((w,w[:,:1,:,:]),dim=1)) #方式2 w=layers[0].weight layers[0]=nn.Conv2d(4,64,kernel_size=(7,7),stride=(2,2),padding=(3,3),bias=False) layers[0].weight=torch.nn.Parameter(torch.cat((w,torch.zeros(64,1,7,7)),dim=1)) #单通道输入 layers[0]=nn.Conv2d(1,64,kernel_size=(7,7),stride=(2,2),padding=(3,3),bias=False) layers[0].weight=torch.nn.Parameter(w[:,:1,:,:])
以上这篇pytorch实现在预训练模型的input上增减通道就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。