如何在 PyTorch 中使用 Inception model 进行迁移学习？

Question

我创建了一个 PyTorch torchvision model 用于迁移学习，使用预先构建的ResNet50基础 model，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 model 作为基础，所以我从上面的resnet50()切换到inception_v3() ，rest 保持原样。 但是，在训练期间，我收到以下错误：

TypeError：cross_entropy_loss()：参数“输入”（位置 1）必须是张量，而不是 InceptionOutputs

那么如何使用来自torchvision.models的Inception v3 model 作为基础 model 进行迁移学习？

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 output 层。 初级 output 是网络末端的线性层。 第二个 output 称为辅助 output，包含在网络的 AuxLogits 部分中。

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将迁移学习用于几个模型，包括 ResNet 和 Inception。