Deep learning Pytorch中的微调预训练模型MobileNet_V2

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，我使用预训练模型（MobileNet_v2），但问题是我无法更改它的FC层。没有model.fc属性。 有人能帮我做这件事吗。 感谢

从中可以看出，该模型最后有一个称为分类器的顺序模型。因此，您应该能够更改分类器的最后一层，如下所示：

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。

---

在如何微调模型方面也是一个很好的参考。

MobilenetV2实现要求将

num_类

（默认值=1000）作为输入，并提供

自分类器

作为属性，该属性是一个torch.nn.Linear层，输出维度为

num_类

。可以使用此属性进行微调。为了更好地理解，你可以自己看一看。

导入torch.nn作为nn
将torchvision.models导入为模型
model=models.mobilnet\u v2（num\u classes=10）

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

实际上，模块

torchvision.models

没有属性

mobilnet\u v2

。目前的模型是

[resnet、alexnet、vgg、squeezenet、densenet、inception]

@AnubhavSingh，实际上是在最近的torchvision更新之后。哦，我明白了。我的错。非常感谢。很高兴知道有这些额外的参数！但是需要指出的是，使用

num_classes

参数可以防止下载预训练的模型，这与这个问题的内容非常相似。此外，还有一个更新的代码链接。