对整个模型和主干网使用预训练权值的TorchVision
对整个模型和主干网使用预训练权值的TorchVision
提问于 2022-11-18 12:19:36
TorchVision检测模型有一个weights和一个weights_backbone参数。使用预训练的weights是否意味着模型在引擎盖下使用了预训练的weights_backbone？我正在训练一个RetinaNet模型，并且不确定我应该使用哪两个选项，以及不同之处。
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-11-18 13:56:54
区别非常简单:您可以选择只在主干上进行转移学习，也可以在整个网络上进行转移学习。
来自火炬视觉的RetinaNet有Resnet50主干网。您应该能够同时完成以下两项工作：
retinanet_resnet50_fpn(weights=RetinaNet_ResNet50_FPN_Weights.COCO_V1)retinanet_resnet50_fpn(backbone_weights=ResNet50_Weights.IMAGENET1K_V1)
正如他们的名字所暗示的那样，骨干权值是不同的。前者训练对象检测( COCO )，后者训练分类( ImageNet )。
要回答您的问题，预培训的weights意味着整个网络，包括骨干网权值，都是初始化的。但是，我不认为它会把backbone_weights称为下盖。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/74489594
复制相关文章
相似问题
腾讯云开发者
