Pytorch 图像分割迁移学习答案

【问题标题】：Pytorch image segmentation transfer learningPytorch 图像分割迁移学习
【发布时间】：2020-11-07 17:14:32
【问题描述】：

我是 Pytorch 的新手。我的问题是：如何将迁移学习应用于自定义数据集？我正在对脑肿瘤进行图像分割。我可以找到使用 U-net 结构的示例，但找不到使用预训练模型的权重进行 U-net 图像分割的示例？

【问题讨论】：

【解决方案1】：

您可以通过两种方式获得预训练模型：

以.pt 或.pth 等格式共享的模型权重或完整模型：在这种情况下，Saving and Loading Models 是一个很好的起点。从那里的教程中复制，您可以将模型加载为

model = TheModelClass(*args, **kwargs)
model.load_state_dict(torch.load(PATH))

另一种方法是从torchvision 加载模型。可用型号列表可在Torchvision Models 获得。 U-Net 尚不可用。但是，可以加载一个预训练的模型作为编码器，并编写一个单独的解码器来形成一个带有预训练编码器的 U-Net。在这种情况下，从 API 中显示的函数调用返回的模型对象在 pretrained=True 时已经加载了预训练的权重。

对于编写自定义数据加载器，PyTorch data loaders 可能是一个有用的指南。

【讨论】：