实战PyTorch（二++）：宝可梦自定义数据集之迁移学习

• Load data

• Build model

• Train and Test

• Transfer Learning

思想：如果自己创建resnet18网络，也就是从0开始训练，只能达到85的精度，因为任务的图片数量少，而网络表达能力强，可能出现过拟合的情况，如果用训练好的reset18，有着公有知识，这样训练不是从0开始，而是从公有知识开始，能得到更好的状态。简单来说，也就是在A上训练好分类器后，转移到B上，再根据B的情况做分类器的微调。

 

    trained_model = resnet18(pretrained=True)
    model = nn.Sequential(*list(trained_model.children())[:-1], #[b, 512, 1, 1]
                          Flatten(), # [b, 512, 1, 1] => [b, 512]
                          nn.Linear(512, 5)
                          ).to(device)

最后acc到0.95

总结：

数据集：

数据集有5类对应不同宝可梦，每类有200多张照片，要知道每张图片的存储位置和Label映射的csv文件。得到的dataset对象封装到dataloder,可以批量多线程去读取数据。

网络：

利用reset18解包成公有知识A，以及新知识 B，A是来自训练好的Imagenet网络的参数，利用A+B在新的网络上做训练，精度可达95。