如何在 PyTorch 中使用 Inception model 進行遷移學習？

Question

我創建了一個 PyTorch torchvision model 用於遷移學習，使用預先構建的ResNet50基礎 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

現在我想使用Ineception v3 model 作為基礎，所以我從上面的resnet50()切換到inception_v3() ，rest 保持原樣。 但是，在訓練期間，我收到以下錯誤：

TypeError：cross_entropy_loss()：參數“輸入”（位置 1）必須是張量，而不是 InceptionOutputs

那么如何使用來自torchvision.models的Inception v3 model 作為基礎 model 進行遷移學習？

Answer 1

來自關於 Inceptionv3 架構的 PyTorch 文檔：

這個網絡是獨一無二的，因為它在訓練時有兩個 output 層。 初級 output 是網絡末端的線性層。 第二個 output 稱為輔助 output，包含在網絡的 AuxLogits 部分中。

看看這個教程： https://pytorch.org/tutorials/beginner/finetuning_torchvision_models_tutorial.html#inception-v3在那里你可以找到如何將遷移學習用於幾個模型，包括 ResNet 和 Inception。