Cargue modelos de torchvision
Use arquitecturas preentrenadas con una sola llamada
Cargue modelos de torchvision es una lección gratuita de Deep Learning Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Deep Learning Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Deep Learning Academy incluye 4 lecciones en total.
¿Por qué reinventarlo?
Rara vez necesita construir desde cero una red famosa. La biblioteca torchvision de PyTorch las incluye listas para usar.
Un zoológico de modelos
Desde ResNet y VGG hasta redes modernas, torchvision.models es una biblioteca de arquitecturas probadas al alcance de su mano.
Cárguelo en una línea
Obtener una arquitectura requiere una sola llamada. Aquí obtiene una ResNet-18 con pesos aleatorios sin entrenar.
from torchvision import models
net = models.resnet18()Incorpore los pesos preentrenados
La verdadera potencia está en cargar pesos preentrenados con ImageNet, de modo que el modelo ya conoce características visuales útiles.
from torchvision.models import resnet18, ResNet18_Weights
net = resnet18(weights=ResNet18_Weights.DEFAULT)Una ventaja inicial
Esos pesos proporcionan una enorme ventaja inicial. Puede ajustarlos para su propia tarea con muchos menos datos.
Ajuste el preprocesamiento
Los modelos preentrenados esperan tamaños de entrada y una normalización específicos. El objeto de pesos incluye las transformaciones exactas que deben aplicarse.
weights = ResNet18_Weights.DEFAULT
preprocess = weights.transforms()Establezca el modo de evaluación
Antes de predecir, llame a eval para que capas como batch norm y dropout se comporten correctamente durante la inferencia.
net.eval()
# disables dropout, freezes batch-norm statsSustituya la capa final
ImageNet tiene 1000 clases. Para reutilizar la red, sustituya su capa final fully connected para adaptarla a sus clases.
import torch.nn as nn
net.fc = nn.Linear(net.fc.in_features, 10)Congele para ahorrar esfuerzo
Para un aprendizaje por transferencia rápido, congele el backbone para que solo se entrene su nueva cabeza, lo que requiere poco tiempo y datos.
for p in net.parameters():
p.requires_grad = FalseLea los nombres de las clases
Los metadatos de los pesos incluso enumeran las categorías legibles, de modo que puede convertir un índice de nuevo en una etiqueta.
labels = ResNet18_Weights.DEFAULT.meta["categories"]Apóyese en gigantes
Con una sola importación reutiliza años de investigación y capacidad de cómputo. Este es el flujo de trabajo cotidiano del aprendizaje profundo aplicado.
Comprobación rápida
Recuerde cómo cargar un modelo que ya conoce ImageNet.
Resumen: reutilice lo mejor
Con torchvision carga arquitecturas probadas y pesos preentrenados en una línea, y después los adapta a su tarea. ¡Ya está preparado para construir!
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Cargue modelos de torchvision» es gratis?
Sí — el texto completo de «Cargue modelos de torchvision» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Deep Learning Academy, actualiza a CoddyKit PRO. El curso de Deep Learning Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Cargue modelos de torchvision»?
Use arquitecturas preentrenadas con una sola llamada Practicas Deep Learning Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Deep Learning Academy?
No se requiere experiencia previa. Deep Learning Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Cargue modelos de torchvision»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Deep Learning Academy?
Sí. Cada lección de Deep Learning Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- LeNet y AlexNet: las primeras victorias
- VGG: pilas de filtros pequeños
- ResNet: las conexiones de salto llegan muy lejos
- Cargue modelos de torchvision