Backbone di un modello pre-addestrato

È il momento di costruire un'architettura R-CNN! Userai il backbone del modello pre-addestrato vgg16 per l'estrazione delle feature. Ricorda anche di salvare la forma dell'output del backbone, che servirà come forma di input per i blocchi successivi: il classifier e il box regressor.

torch, torchvision, torch.nn come nn sono già stati importati. Il modello è stato importato come vgg16 con i pesi salvati in VGG16_Weights.

Questo esercizio fa parte del corso

Deep Learning per Immagini con PyTorch

Visualizza il corso

Istruzioni dell'esercizio

Carica i pesi pre-addestrati di VGG16.
Estrai in_features dal primo layer del classifier usando .children() come blocco sequenziale e salvalo come input_dim.
Crea un backbone come blocco sequenziale usando features e .children().
Stampa il modello del backbone.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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
____

Modifica ed esegui il codice