Backbone de un modelo preentrenado

¡Es hora de construir una arquitectura R-CNN! Usarás el backbone del modelo preentrenado vgg16 para la extracción de características. Recuerda también guardar la forma de salida del backbone, que servirá como forma de entrada para los bloques posteriores: el clasificador y el regresor de cajas.

Se han importado torch, torchvision, torch.nn como nn. El modelo se ha importado como vgg16 con los pesos almacenados en VGG16_Weights.

Este ejercicio forma parte del curso

Deep Learning para imágenes con PyTorch

Ver curso

Instrucciones del ejercicio

Carga los pesos preentrenados de VGG16.
Extrae in_features de la primera capa del classifier usando .children() como un bloque secuencial y guárdalo como input_dim.
Crea un backbone como un bloque secuencial usando features y .children().
Imprime el modelo del backbone.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Load pretrained weights
vgg_model = vgg16(weights=____)

# Extract the input dimension
input_dim = nn.Sequential(*list(vgg_model.classifier.____()))[0].____

# Create a backbone with convolutional layers
backbone = nn.Sequential(*list(____))

# Print the backbone model
____

Editar y ejecutar código