Pytorch下微调网络模型进行图像分类

利用ImageNet下的预训练权重采用迁移学习策略，能够实现模型快速训练，提高图像分类性能。下面以vgg和resnet网络模型为例，微调最后的分类层进行分类。

（1）微调VGG模型进行图像分类（以vgg16为例）

import torch 
import torchvision.models as models

classes_num = 200 # 数据集的类别数

model = models.vgg16(pretrained=True)
model.classifier[-1].out_features = classes_num
model = model.cuda()
print(model)

(2)微调ResNet模型进行图像分类(以ResNet-34为例)

import torch
import torchvision.models as models

classes_num = 200 #数据集的类别数

model = models.resnet34(pretrained=True)
fc_features = model.fc.in_features
model.fc = torch.nn.Linear(fc_features, classes_num)
model = model.cuda()
print(model)