Deep Learning Academy · Pelajaran

Muat Model torchvision

Gunakan arsitektur terlatih sebelumnya dalam satu panggilan

Muat Model torchvision adalah pelajaran Deep Learning Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Deep Learning Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Deep Learning Academy mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

Why Reinvent It?

You rarely need to build a famous net from scratch. PyTorchs torchvision library ships them ready to use.

A Zoo of Models

From ResNet to VGG to modern nets, torchvision.models is a library of proven architectures at your fingertips.

Load One in a Line

Grabbing an architecture is a single call. Here you get a ResNet-18 with random, untrained weights.

from torchvision import models
net = models.resnet18()

Bring the Pretrained Weights

The real power is loading pretrained weights learned on ImageNet, so the model already knows useful visual features.

from torchvision.models import resnet18, ResNet18_Weights
net = resnet18(weights=ResNet18_Weights.DEFAULT)

A Head Start

Those weights are a huge head start. You can fine-tune them on your own task with far less data.

Match the Preprocessing

Pretrained models expect specific input sizes and normalization. The weights object carries the exact transforms to apply.

weights = ResNet18_Weights.DEFAULT
preprocess = weights.transforms()

Set Eval Mode

Before predicting, call eval so layers like batch norm and dropout behave correctly for inference.

net.eval()
# disables dropout, freezes batch-norm stats

Swap the Final Layer

ImageNet has 1000 classes. To reuse the net, replace its final fully connected layer to match your classes.

import torch.nn as nn
net.fc = nn.Linear(net.fc.in_features, 10)

Freeze to Save Effort

For quick transfer learning, freeze the backbone so only your new head trains, which is fast and data-light.

for p in net.parameters():
    p.requires_grad = False

Read the Class Names

The weights metadata even lists the human-readable categories, so you can turn an index back into a label.

labels = ResNet18_Weights.DEFAULT.meta["categories"]

Stand on Giants

With one import you reuse years of research and compute. This is the everyday workflow of applied deep learning.

Quick Check

Recall how to load a model that already knows ImageNet.

Recap: Reuse the Best

With torchvision you load proven architectures and pretrained weights in a line, then adapt them to your task. You are ready to build!

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Muat Model torchvision” gratis?

Ya — teks lengkap “Muat Model torchvision” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Deep Learning Academy, upgrade ke CoddyKit PRO. Kursus Deep Learning Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Muat Model torchvision”?

Gunakan arsitektur terlatih sebelumnya dalam satu panggilan Kamu berlatih Deep Learning Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Deep Learning Academy?

Tidak diperlukan pengalaman sebelumnya. Deep Learning Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Muat Model torchvision” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Deep Learning Academy ini?

Ya. Setiap pelajaran Deep Learning Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Deep Learning Academy