Backbone från förtränad modell

Dags att bygga en R-CNN-arkitektur! Du använder vgg16-modellens förtränade backbone för särdragsextraktion. Kom ihåg att spara utdataformen från backbonen – den fungerar som indataform för de efterföljande blocken: klassificeraren och box-regressorn.

torch, torchvision och torch.nn som nn har importerats. Modellen har importerats som vgg16 med vikterna lagrade i VGG16_Weights.

Den här övningen är en del av kursen

Djupinlärning för bilder med PyTorch

Visa kurs

Övningsinstruktioner

Läs in de förtränade VGG16-vikterna.
Extrahera in_features från klassificerarens (classifier) första lager med hjälp av .children() som ett sekventiellt block och lagra det som input_dim.
Skapa en backbone som ett sekventiellt block med hjälp av features och .children().
Skriv ut backbone-modellen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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
____

Redigera och kör kod