无论如何要省略 VGG16 目标 类？
Is there anyway to omit VGG16 target classes?
我有一堆医学图像，我想对它们进行一些特征提取。为此，我打算使用预训练的 CNN VGG16。它有一个目标列表类，它由普通对象的名称组成。如何更改它以进行特征提取而不是对象分类？我的意思是我应该对其架构进行哪些更改？
这取决于您使用的语言和框架，您应该在问题中指定这些内容。在 Pytorch 中，你可以这样做：
original_model = models.vgg19(pretrained=True).eval()
feature_extractor = nn.Sequential(*list(original_model.features.children()))
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225])
img = io.imread("some_image.png")
img = transform.resize(img, (224, 224), order=3)
img = torch.from_numpy(img)
img = img.permute(2, 0, 1)
img = normalize(img)
img = img.unsqueeze(0)
with torch.no_grad():
features = feature_extractor.forward(img)
注意缩放和规范化，vgg 最适合 224x224 规范化（使用代码中的值）。
我有一堆医学图像，我想对它们进行一些特征提取。为此，我打算使用预训练的 CNN VGG16。它有一个目标列表类，它由普通对象的名称组成。如何更改它以进行特征提取而不是对象分类？我的意思是我应该对其架构进行哪些更改？
这取决于您使用的语言和框架，您应该在问题中指定这些内容。在 Pytorch 中，你可以这样做：
original_model = models.vgg19(pretrained=True).eval()
feature_extractor = nn.Sequential(*list(original_model.features.children()))
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225])
img = io.imread("some_image.png")
img = transform.resize(img, (224, 224), order=3)
img = torch.from_numpy(img)
img = img.permute(2, 0, 1)
img = normalize(img)
img = img.unsqueeze(0)
with torch.no_grad():
features = feature_extractor.forward(img)
注意缩放和规范化，vgg 最适合 224x224 规范化（使用代码中的值）。