AlexNet预训练权重下载与迁移学习实战指南

1次阅读

没有评论

共计 1469 个字符，预计需要花费 4 分钟才能阅读完成。

AlexNet 是 2012 年 ImageNet 竞赛冠军模型，由 Alex Krizhevsky 等人提出。这个模型在当时计算机视觉领域具有里程碑意义，主要因为它：

首次成功应用 ReLU 激活函数
使用 Dropout 减少过拟合
证明了深度卷积神经网络的强大能力

即使现在，AlexNet 仍然是理解 CNN 基础架构和进行迁移学习入门的理想选择。

PyTorch 官方提供了 AlexNet 的预训练权重，可以通过以下方式获取：

直接通过 PyTorch 的模型库下载
从 Torch Hub 加载
手动下载权重文件

最推荐的方式是第一种，因为它最简单且能确保版本兼容性。

下面是在 PyTorch 中加载 AlexNet 预训练权重的完整示例代码：

import torch
import torchvision.models as models

# 加载预训练模型
model = models.alexnet(pretrained=True)

# 将模型设置为评估模式
model.eval()

# 打印模型结构
print(model)

这段代码会自动下载预训练权重并加载。关键点：

pretrained=True参数告诉 PyTorch 下载预训练权重
eval()将模型设置为评估模式，这对某些层 (如 Dropout) 的行为有影响

迁移学习的典型流程：

加载预训练模型
替换最后的全连接层
微调模型

示例代码：

import torch.nn as nn

# 加载预训练模型
model = models.alexnet(pretrained=True)

# 冻结前面的层
for param in model.parameters():
    param.requires_grad = False

# 替换最后的分类器
model.classifier[6] = nn.Linear(4096, num_classes)  # num_classes 是你的类别数

# 只训练最后的分类器
optimizer = torch.optim.SGD(model.classifier[6].parameters(), lr=0.001)

如果遇到权重不匹配错误，可能是因为：

模型结构被修改过
PyTorch 版本不兼容

解决方案：

检查模型结构是否与预训练权重匹配
考虑重新下载权重

AlexNet 默认输入尺寸是 224×224。如果输入图像尺寸不对，需要：

from torchvision import transforms

preprocess = transforms.Compose([transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])