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。