如何在 PyTorch 中使用 Inception 模型进行迁移学习？

Question

我创建了一个用于迁移学习的 PyTorch torchvision 模型，使用预构建的 ResNet50 基础模型，如下所示：

        # Create base model from torchvision.models
        model = resnet50(pretrained=True)
        num_features = model.fc.in_features

        # Define the network head and attach it to the model
        model_head = nn.Sequential(
            nn.Linear(num_features, 512),
            nn.ReLU(),
            nn.Dropout(0.25),
            nn.Linear(512, 256),
            nn.ReLU(),
            nn.Dropout(0.5),
            nn.Linear(256, num_classes),
        )
        model.fc = model_head

现在我想使用 Ineception v3 模型作为基础，所以我从上面的 resnet50() 切换到 inception_v3()，其余保持原样.但是，在训练期间我收到以下错误：

TypeError: cross_entropy_loss(): argument 'input' (position 1) must be Tensor, not InceptionOutputs

那么如何使用 torchvision.models 中的 Inception v3 模型作为迁移学习的基础模型？

Answer 1

来自关于 Inceptionv3 架构的 PyTorch 文档：

这个网络是独一无二的，因为它在训练时有两个输出层。主要输出是网络末端的线性层。第二个输出称为辅助输出，包含在网络的 AuxLogits 部分。

看看这个教程：https://pytorch.org/tutorials/beginner/finetuning_torchvision_models_tutorial.html#inception-v3在那里你可以找到如何对几个模型使用迁移学习，包括 ResNet 和 Inception。

如何在 PyTorch 中使用 Inception 模型进行迁移学习？

How to use the Inception model for transfer learning in PyTorch?

python

pytorch

transfer-learning