如何解决如何使用Resnet架构对自定义标签的图像集进行分类?
我正在尝试在resnet 152上使用传输学习来对自定义标记为0/1的图像数据集进行分类,使其包含或不包含感兴趣的对象。我已经参考了多个教程,但无法弄清楚。我将在以前引用的下面放置一些链接,但我尝试使用的是第一个代码。
我从尝试使用它开始。 PyTorch transfer learning with pre-trained ImageNet model
# Load the pretrained model
model = models.resnet152(pretrained=True)
classifier_name,old_classifier = model._modules.popitem()
for param in model.parameters():
param.requires_grad = False
classifier_input_size = old_classifier.in_features
classifier = nn.Sequential(OrderedDict([
('fc1',nn.Linear(classifier_input_size,hidden_layer_size)),('activation',nn.SELU()),('dropout',nn.Dropout(p=0.5)),('fc2',nn.Linear(hidden_layer_size,output_layer_size)),('output',nn.LogSoftmax(dim=1))
]))
但是我收到NameError,未定义“ OrderedDict”。我想了解我在此处的分类器步骤中做错了什么。之后,我仍在努力了解如何在自己的图像数据集上使用这种新模型和分类器(应如何填充图像,指定为0/1,指定为训练/测试等)。您可以向我提供的任何帮助或教程都将不胜感激。
解决方法
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。