使用 MNIST 数据集 Pytorch 训练 SqueezeNet 模型

Question

我想使用 MNIST 数据集而不是 ImageNet 数据集来训练 SqueezeNet 1.1 模型。
我可以拥有与torchvision.models.squeezenet相同的型号吗？
谢谢！

Answer 1

TorchVision 只为 SqueezeNet 架构提供 ImageNet 数据预训练模型。但是，您可以使用 MNIST 数据集训练您自己的模型，只需使用 torchvision.models.

中的模型（而不是预训练模型）

In [10]: import torchvision as tv

# get the model architecture only; ignore `pretrained` flag
In [11]: squeezenet11 = tv.models.squeezenet1_1()

In [12]: squeezenet11.training   
Out[12]: True

现在，您可以使用此架构在 MNIST 数据上训练模型，这不会花费太长时间。

要记住的一个修改是更新类的数量，对于 MNIST 为 10。具体来说，应该把1000改成10，kernel和stride也相应的改。

  (classifier): Sequential(
    (0): Dropout(p=0.5)
    (1): Conv2d(512, 1000, kernel_size=(1, 1), stride=(1, 1))
    (2): ReLU(inplace)
    (3): AvgPool2d(kernel_size=13, stride=1, padding=0)
  )

相关解释如下：finetuning_torchvision_models-squeezenet

Answer 2

预训练权重的初始化是可能的，但由于 MNIST 图像是 28X28 像素，因此您会遇到步幅和内核大小方面的问题。最有可能的是，在网络处于其推理层之前，减少将导致 (batch_sizex1x1xchannel) 个特征映射，这将导致错误。

使用 MNIST 数据集 Pytorch 训练 SqueezeNet 模型

Train SqueezeNet model using MNIST dataset Pytorch

python

neural-network

pytorch

mnist

torchvision