Backbone van een voorgetraind model

Tijd om een R-CNN-architectuur te bouwen! Je gebruikt de backbone van het voorgetrainde vgg16-model voor feature-extractie. Sla ook de uitvoervorm (output shape) van de backbone op; die gebruik je als invoervorm voor de volgende blokken: de classifier en de box regressor.

torch, torchvision, torch.nn als nn zijn geïmporteerd. Het model is geïmporteerd als vgg16 met de gewichten opgeslagen in VGG16_Weights.

Deze oefening maakt deel uit van de cursus

Deep Learning voor afbeeldingen met PyTorch

Cursus bekijken

Oefeninstructies

Laad de voorgetrainde VGG16-gewichten.
Haal in_features uit de eerste laag van de classifier met .children() als sequential-blok en sla dit op als input_dim.
Maak een backbone als sequential-blok met features en .children().
Print het backbone-model.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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
____

Code bewerken en uitvoeren