Caricare i modelli torchvision
Usi architetture preaddestrate con una sola chiamata
Caricare i modelli torchvision è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Perché reinventarla?
Raramente è necessario costruire da zero una rete famosa. La libreria torchvision di PyTorch le fornisce già pronte all'uso.
Uno zoo di modelli
Da ResNet a VGG fino alle reti moderne, torchvision.models è una libreria di architetture collaudate a sua disposizione.
Caricarne una con una riga
Ottenere un'architettura richiede una sola chiamata. Qui ottiene una ResNet-18 con pesi casuali non addestrati.
from torchvision import models
net = models.resnet18()Caricare i pesi pretrained
Il vero potere consiste nel caricare i pesi pretrained appresi su ImageNet, così il modello conosce già caratteristiche visive utili.
from torchvision.models import resnet18, ResNet18_Weights
net = resnet18(weights=ResNet18_Weights.DEFAULT)Un vantaggio iniziale
Questi pesi rappresentano un enorme vantaggio iniziale. Può sottoporli a fine-tuning per il proprio compito usando molti meno dati.
Abbinare il preprocessing
I modelli pretrained si aspettano dimensioni di input e una normalizzazione specifiche. L'oggetto weights contiene le trasformazioni esatte da applicare.
weights = ResNet18_Weights.DEFAULT
preprocess = weights.transforms()Impostare la modalità eval
Prima di fare previsioni, chiami eval affinché layer come batch norm e dropout si comportino correttamente durante l'inferenza.
net.eval()
# disables dropout, freezes batch-norm statsSostituire il layer finale
ImageNet ha 1000 classi. Per riutilizzare la rete, sostituisca il suo layer finale fully connected in modo che corrisponda alle proprie classi.
import torch.nn as nn
net.fc = nn.Linear(net.fc.in_features, 10)Bloccare i pesi per risparmiare lavoro
Per un transfer learning rapido, blocchi il backbone così che venga addestrata solo la nuova testa, il che richiede poco tempo e pochi dati.
for p in net.parameters():
p.requires_grad = FalseLeggere i nomi delle classi
I metadati dei pesi elencano persino le categorie leggibili dalle persone, così può convertire un indice nuovamente in un'etichetta.
labels = ResNet18_Weights.DEFAULT.meta["categories"]Sfruttare il lavoro dei pionieri
Con un solo import riutilizza anni di ricerca e potenza di calcolo. Questo è il workflow quotidiano del deep learning applicato.
Verifica rapida
Ricordi come caricare un modello che conosce già ImageNet.
Riepilogo: riutilizzare il meglio
Con torchvision carica architetture collaudate e pesi pretrained in una sola riga, quindi li adatta al proprio compito. È pronto per costruire!
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Caricare i modelli torchvision» è gratuita?
Sì — il testo completo di «Caricare i modelli torchvision» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Caricare i modelli torchvision»?
Usi architetture preaddestrate con una sola chiamata Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Caricare i modelli torchvision»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- LeNet e AlexNet: i primi successi
- VGG: pile di filtri piccoli
- ResNet: le skip connection arrivano in profondità
- Caricare i modelli torchvision